기계 학습을 공부하기 위해 얼마나 선형 대수를 사용해야합니까?

Question

저는 기계 학습에 익숙하지 않지만 아주 새로운 것은 아니지만 K- 평균 클러스터링과 인공 신경망 및 베이지안 추론과 같은 간단한 것들을 알고 있습니다. 기계 학습을 좀 더 자세히 배우고 싶기 때문에 "기계 학습 : 확률 론적 관점"을 읽기 시작했으며 "Gaussian Processes"장을 시작하기 전에는 아무런 문제가 없었습니다. 그리고 거기에서 많은 고유 분해와 대각선 사용법을 보았습니다 공분산 행렬은 과도하지 않는 데 도움이 될 수 있습니다 ... 그리고 나는 그것에 대해 전혀 몰라요. 그래서, 어떻게해야합니까? 전체 선형 대수학 책을 읽기 시작해야합니까? 아니면 기계 학습을 확률 론적으로 배우기 위해 선형 대수학의 일부 주제에 집중해야합니까?

감사

Answer 1

기계 학습의 모든 것이 벡터 또는 행렬이므로 선형 대수학은 초석입니다. 도트 곱, 거리, 행렬 인수 분해, 고유 값 등이 항상 발생합니다.

자료 : http://fastml.com/math-for-machine-learning/ 당신이 알고리즘을 사용하는 방법을 알고 싶다면

Answer 2

매트릭스 새 이름이되어야한다.

요즘 많이 배우는 기계는 많은 양의 행렬 연산을 포함하는 순수 선형 대수학입니다. 선형 대수학에 대한 건전한 지식이 없으면 자신이 작성한 내용을 이해하기 어렵습니다. 그러나 행렬 표기법을 사용하면 복잡성을 전체적으로 짧게 표현할 수 있습니다. 수식.

딥 학습은 GPU 카드를 사용하여 잘 작동합니다. 그 이유는 많은 양의 행렬 곱셈과 많은 행렬 곱셈 때문입니다. 선형 대수가 없으며 깊은 학습이 없습니다.