数据挖掘和人工智能算法的数学基础

您能否给我一些有关数据挖掘和人工智能算法的澄清？他们使用了什么数学基础？您能否以数学为起点，来理解这些类型的算法？

在统计学家社区中，这听起来确实有些奇怪，但是我很确定，大多数机器学习算法都可以表述为功能最小化问题。那意味着这将被数学优化所覆盖。

另一件事是，您可能需要微积分和线性代数才能了解什么是优化。为了解释您的结果，您最好具有概率理论和统计学的背景。

这个问题可能涉及面很广，您应该对数据挖掘的用途多说一些！但是，数据挖掘本质上是统计数据，而我所见过的AI的许多使用也都是统计数据。因此，您需要的数学是用于统计的数学：1）微积分和实数分析2）概率3）线性代数！实际上，3）可能是最重要的，几乎无论您要做什么（包括1）和2）），您都将严重依赖线性代数。因此，一定要获得的不仅仅是概念，还有操作技能！

使用了更多的东西，但也许更专业。因此，在您解决了问题（并学会了1），2）和3））之前，给出更详细的建议是没有意义的

似乎是一个公平的问题，我应该学习什么数学作为机器学习的基础？
也许这是一个广泛的答案。就像ML来自许多学科一样。

其他人提出了线性代数，概率论，统计学，度量空间以及许多其他相关的建议。

也许可行的方法是列出一些最流行的ML算法，看看它们并填写您觉得不太熟悉的数学。