如何学习一定的数学来理解机器学习论文？

Question

我做过关于深度学习的deeplearning.ai课程。但我不能理解像这样的方程式

minGmaxDV(D,G)=Ex∼pdata(x)[logD(x)]+Ez∼pz(z)[log(1−D(G(z)))]

我应该学什么样的数学？我知道微积分，基本多变量微积分和线性代数。那么我应该学习概率(可能是提前概率)吗？

Answer 1

数学期望是概率论中的一个概念。像E_x[...]这样的表达式表示条件期望，我认为如果不理解条件期望，就很难理解机器学习概念。(把它们理解为数学概念，而不是直观的概念)。

我的建议是，你应该寻找概率论的初学者来掌握以下概念：

• 随机变量
• 概率分布
• 随机独立性
• 数学期望
• 条件期望/条件概率
• 总概率定律
• Bayes定理

可能有专门为对机器学习感兴趣的人设计的课程。玩得开心!

Answer 2

正如Elias提到的，期望值与随机变量有关，如果你知道条件概率、多元概率、联合分布和边际分布的话，你会更好地去做。我建议你选修一门课程，课程内容是https://secure.oregonstate.edu/ap/cps/documents/view/134169的教学大纲。