这是一个创建于 1436 天前的主题,其中的信息可能已经有所发展或是发生改变。
前几天看了神经网络的简单介绍,其中用到了梯度。感觉在神经网络中使用梯度。就是“简单”的用。(说简单,并不是说神经网络简单。是说神经网络中使用梯度就是朴素的应用梯度下降最快这一性质,并不像你解很难的数学题那样抽象或者题目含很多难点,让你无从下手)。数据科学似乎就是把数学当成工具箱,哪个工具能解决问题就拿来用。删繁就简,用的也很直观。不像纯数学那么为难你。
由此,我想在数据科学领域对数学知识的应用估计大致如此(也许我错了,望指出)。那么在数据科学领域,比较常用的数学知识点除了梯度,还有哪些。希望大家根据以下四科分别给出。当然可以对知识点进行简单分解。例如 微积分:梯度(多元微分-偏导数,简单的向量点积)。
又例如线性回归,我在多元微积分-微分-极值 的课后作业推到过。但是回归分析似乎不能被划分为微积分。那么应该划分为哪一科呢?
微积分:
线性代数:
概率:
统计学:
众人拾柴火焰高,不求全,请大家踊跃补充!
 |
|
1
ddzzhen 2021-03-24 12:54:35 +08:00 via Android
你理解的数据科学是什么?神经网络很复杂,但在数据科学领域也足够渺小,梯度是研究神经网络和算法的人在了解大量知识的情况下选中的角度,梯度下降应该算是一种思想,方法很多,效率差异也很大。
|