带你少走弯路！！黄博整理的机器学习数学基础资料来帮你（可在线阅读）

机器学习需要一定的数学基础，但是数学资料太多，学不完，怎么办？本文提供了适合初学者入门的数学资料，并做成了在线阅读版本，可以当做随身小抄来阅读。（黄海广）

一、前言

AI以及机器学习入门，初学者遇到的问题非常多，但最大的问题就是：

资料太多！！！看不完！！！不知道如何取舍！！！人的精力有限！！！

机器学习，需要一定的数学基础，也需要一定的代码能力。机器学习从业者数学基础不扎实，只会用一些工具和框架，相当于某些武术家只会耍套路，外行人觉得很厉害，但实战起来一定是鼻青脸肿。

如何在有限的计算资源下找出最优解，在目标函数及其导数的各种情形下，应该如何选择优化方法；各种方法的时间空间复杂度、收敛性如何；还要知道怎样构造目标函数，才便于用凸优化或其他框架来求解，这些都需要一定的数学基础。

但是数学资料太多了，我当年读博士的时候，大神推荐我的数学资料：

数学分析（微积分），线性代数，概率论，统计，应用统计，数值分析，常微分方程，偏微分方程，数值偏微分方程，运筹学，离散数学，随机过程，随机偏微分方程，抽象代数，实变函数，泛函分析，复变函数，数学建模，拓扑，微分几何，渐近分析......

我感觉这个确实没错，学完以后虽然不一定能成为大神，但是博士毕业绰绰有余了！

以上方法存在的问题：

• 大部分学习者的学习目的不是为了科研，而是希望把机器学习作为工具来使用。

• 大部分学习者时间有限，学不完这么多资料，不知道如何取舍。

• 有些资料太难，作者假设学习者有一定的基础，对一些步骤进行了省略，好多初学者看了的感觉是这样的：

其实，机器学习最基础的数学知识，可以分为高等数学、线性代数、概率论与数理统计三部分，这三门课学熟了，大部分机器学习问题是能解决的。我整理了这三部分的精华资料，可以收藏在线慢慢阅读，也可以当做随身小抄：

本路线适合本科、硕士以及刚接触机器学习的博士。

如何学：

先入门，务必看懂公式，遇到不懂慢慢查。

接下来，遇到问题能上网搜索解决了，也知道接下来应该学什么。

二、可在线学习的数学基础

1.高等数学

推荐下我考研和考博时候的数学笔记，我把机器学习的部分，提炼出来，几乎涵盖了所有机器学习所需要的高等数学公式：

我做成了在线阅读版本，点击打开大学高等数学精华

2.概率论

• 首先推荐斯坦福大学 CS229 机器学习课程的基础材料的概率论部分，这个由我翻译，是斯坦福各类人工智能课程的基础材料，针对机器学习进行了优化，可以说是经典材料。

  我做成了在线阅读版本，点击打开CS229概率论的翻译

• 其次推荐下我考研和考博时候的数学笔记，我把机器学习的部分，提炼出来，几乎涵盖了所有机器学习所需要的线性代数公式：

  我做成了在线阅读版本，点击打开大学概率论精华

3.线性代数

• 首先推荐斯坦福大学 CS229 机器学习课程的基础材料的线性代数部分，这个由我翻译，是斯坦福各类人工智能课程的基础材料，针对机器学习进行了优化，可以说是经典材料。

  我做成了在线阅读版本，点击打开CS229线性代数的翻译

• 其次推荐下我考研和考博时候的数学笔记，我把机器学习的部分，提炼出来，几乎涵盖了所有机器学习所需要的线性代数公式：

  我做成了在线阅读版本，点击打开大学线性代数精华

在线版本效果如图：

数学资料截图

总结

本文推荐了机器学习的数学基础资料整合版本，可以在线阅读，建议收藏。以上数学资料的源文件也可以在我的数据科学的仓库下载：

仓库链接：

https://github.com/fengdu78/Data-Science-Notes

备注：github下载太慢的话，关注我的公众号：“机器学习初学者”，回复“学习路线”即可下载本仓库的镜像文件，整个仓库压缩成一个iso。