我应该知道多少线性代数来学习机器学习

Question

我刚开始机器学习，但并不是很新，我知道一些简单的东西，比如K-均值聚类，人工神经网络和贝叶斯推理。我想学习机器学习的更多细节，所以我开始阅读“机器学习:一个概率的观点”，我没有问题，直到我开始章节“高斯过程”，在那里我看到了许多特征分解，以及如何使用对角协方差矩阵可以帮助不过分适合…我对此一无所知。那我该怎么办？我应该开始阅读整本线性代数书，还是应该专注于线性代数的一些主题，以便以概率的方式学习机器学习？

谢谢

Answer 1

线性代数是机器学习的基石，因为机器学习中的一切都是向量或矩阵。点积、距离、矩阵因式分解、特征值等时有发生。

来源：http://fastml.com/math-for-machine-learning/

Answer 2

矩阵必须成为您的新名字。

说真的，现在很多机器学习都是纯线性代数，涉及到大量的矩阵运算。如果没有良好的线性代数知识，你会发现很难理解他们在写什么；但是矩阵表示法允许将大量的复杂性放入一个简短、精确的公式中。

深入学习很好地使用GPU卡，因为它是很多矩阵乘法。没有线性代数，没有深度学习。