妈妈说学人工智能前一定要打好数学基础！

重点知识：

• 贝叶斯分类器：贝叶斯公式，随机变量独立性，最大似然估计
• 决策树DT：概率，熵，Gini系数
• KNN算法：距离函数
• 主成分分析PCA：协方差矩阵，拉格朗日乘数法，特征值与特征向量
• 支持向量机SVM：点到平面距离，强对偶，拉格朗日对偶，KKT条件，凸优化，核函数吗，Mercer条件
• 逻辑回归Logistic：最大似然估计，梯度下降法，凸优化，牛顿法
• 随机森林RF：抽样，方差
• AdaBoost算法：最大似然估计，梯度下降法，凸优化，牛顿法
• 隐马尔可夫模型HMM：概率，条件概率，随机变量独立性
• 条件随机场CRF：最大似然估计，条件概率
• 高斯混合模型CMM：正态分布，最大似然估计，Jensen不等式
• 人工神经网络ANN：梯度下降法，链式法则
• 卷积神经网络CNN：梯度下降法，链式法则
• 循环神经网络RNN：梯度下降法，链式法则
• 生成对抗网络GAN：梯度下降法，链式法则，极值定理，Kullback-Leibler散度，Jensen-Shannon散度，测地距离，条件分布，互信息
• K-means算法：距离函数
• 贝叶斯网络：条件概率，贝叶斯公式
• VC维：Hoeffding不等式

出现频率最高：

• 拉格朗日乘数法，梯度下降法，牛顿法，凸优化
• 随机变量，贝叶斯公式，随机变量独立性，正态分布，最大似然估计
• 向量，矩阵，张量，特征值与特征向量
• 链式法则
• 核函数