Tôi muốn tìm hiểu sâu hơn về Machine Learning (lý thuyết và ứng dụng trong Tài chính). Tôi muốn hỏi làm thế nào có liên quan là phân tích phức tạp và phân tích chức năng làm cơ sở cho Machine Learning? Tôi có cần học những môn này không hay tôi nên tập trung vào chủ đề khác (nếu có, vào đó?)
Câu trả lời:
Tôi muốn nói rằng các điều kiện tiên quyết quan trọng nhất đối với Machine Learning là Đại số tuyến tính , Tối ưu hóa (cả số và lý thuyết) và Xác suất .
Nếu bạn đọc chi tiết về việc triển khai các thuật toán học máy thông thường (tôi có ý tưởng về LASSO, Elastic Net, SVM), các phương trình phụ thuộc rất nhiều vào các danh tính khác nhau (dạng kép của một vấn đề tối ưu hóa, các công thức khác nhau xuất phát từ đại số tuyến tính) và việc thực hiện đòi hỏi bạn phải làm quen với các kỹ thuật như giảm độ dốc.
Xác suất là phải có cả trong Khung học tập PAC và mỗi khi bạn học kiểm tra.
Sau đó, chỉ sau đó, phân tích chức năng có thể có ích. Đặc biệt là khi bạn đang nghiên cứu hạt nhân (và sử dụng các định lý biểu diễn).
Về phân tích phức tạp, tôi không nhận thức được việc sử dụng chính các định lý quan trọng xuất phát từ lĩnh vực này trong học máy (ai đó sửa tôi nếu tôi sai).