機械学習をより深く理解するための複雑な分析、機能分析


10

機械学習(ファイナンスの理論と応用)についてさらに深く学びたいです。機械学習の基礎としての複雑な分析機能分析はどの程度関連性があるのでしょうか。これらの科目を学ぶ必要がありますか、それとも他のトピックに集中する必要がありますか?

回答:


17

機械学習の最も重要な前提条件は、線形代数最適化(数値と理論の両方)、および確率です。

一般的な機械学習アルゴリズム(LASSO、Elastic Net、SVMを念頭に置いている)の実装の詳細を読んだ場合、方程式はさまざまな恒等式(最適化問題の二重形式、線形代数から生じるさまざまな式)に大きく依存しています。実装では、勾配降下法などの手法に精通している必要があります。

確率は、PACラーニングフレームワークとテストを学習するたびに必要です。

そのときだけ、機能分析が役立ちます。特にカーネルを研究しているとき(そして表現定理を使用しているとき)は特にそうです。

複雑な分析に関して、私はこの分野に由来する機械学習における重要な定理の主要な使用法を知りません(誰かが間違っていれば私を訂正します)。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.