1樓：loyd
統計phd在讀，做的是統計學習方向，準確說，如果只是為了ml入門，對於統計概率要求不高，一些正常的ml入門書都會講一些mle，em演算法這些，如果是要做很深的理論那塊，那還是要求挺高的，比如我之前做過用非參統計處理missing data用的就是bayesian additive regression tree，這個方法是10年提出的，但是要作為第乙個想出這個方法的人，就需要很強的統計知識。應用的話，看看note用個package就行了。
2樓：蟹三哥xx
線代肯定要補一下再開始機器學習。
Strang那本推薦用來理解向量空間和正交。也不需要看完。大概第四章到第七章就夠了，從向量空間學到特徵分解和奇異值分解。
不過個人覺得這個奇異值分解，有點兒雲裡霧裡，可能作者為了展示奇異值分解的應用。可以用Lay那本線性代數及其應用看看奇異值分解就好了。
至於概率論的知識，我一開始沒門路，也一直不知道讀什麼書，怎麼入門。其實不用專門看概率論的書，你說的檢驗，幾乎用不到（暫時）。直接看PRML的前兩章感受公式的推導。
至於最大似然估計，最大後驗估計，19年國內有本新書，很適合入門了解概念，神經網路和深度學習，邱老師那本。只看前三章，理解一下核心概念就好。
然後PRML推公式唄。我最近看核函式和高斯過程那兒，有點兒不理解，準備再拿一本看看另一本書怎麼講解這兩個知識。加油
線性代數中 線性對映 和微積分裡的 連續函式 有什麼聯絡？
有關係嗎？懵逼了。假如有關係，那麼連續數軸 line 的方向要拿出來，連續數軸一般是雙向或者單向，作為乙個零點則對方向起無關作用。非歐幾何裡可能有關係，如果要在非歐幾何裡做乙個座標系。這只是一種約束條件，如果研究數學，不同領域有不同的語言。所以應該沒有關係。有關係就是道可道 非常道了。 說沒關係的建...
線性代數的學習有什麼方法和竅門？
殷維傑 Linear Algebra Matrix Methods in Data Analysis,Signal Processing,and Machine Learning Strang老爺子的網紅線代課程，你值得擁有！ mushroomcurry 1 線性空間 線性變換。2 幾何意義。3 多...
線性代數 請問n維向量空間和向量空間的概念有區別嗎？
向量空間如果n個向量能組成一組基，那麼就是n維的。如果不存在有限個向量組成的基，就是無限維的。如果刻意說n維向量空間，就是強調它是有限維的，有一組由有限個向量組成的基。以及不要認為n維向量空間裡的元素都是那種有n個分量的一長條東西，向量沒有固定的形式，一團不管什麼東西，只要它們滿足那些條件就是向量空...