복잡한 해석, 심층적 인 기계 학습을위한 기능 분석

기계 학습 (금융의 이론 및 응용)에 대해 더 깊이 알고 싶습니다. 기계 학습의 기초로 복잡한 분석 과 기능 분석 이 얼마나 관련성이 있는지 묻고 싶습니다 . 이 주제를 배워야합니까 아니면 다른 주제에 집중해야합니까?

기계 학습의 가장 중요한 전제 조건은 선형 대수 , 최적화 (숫자 및 이론 모두) 및 확률 입니다.

일반적인 기계 학습 알고리즘 (LASSO, Elastic Net, SVM을 염두에두고 있음)의 구현에 대한 세부 정보를 읽으면 방정식은 다양한 ID (최적화 문제의 이중 형태, 선형 대수에서 비롯된 다양한 공식)에 크게 의존합니다. 구현하려면 그라데이션 하강과 같은 기술에 익숙해야합니다.

확률 은 PAC 학습 프레임 워크와 시험을 공부할 때마다 반드시 있어야합니다.

그런 다음에야 기능 분석 이 유용 할 수 있습니다. 특히 커널을 연구 할 때 (그리고 표현 정리를 사용하는 경우).

복잡한 분석과 관련하여 기계 학습 에서이 분야에서 비롯된 중요한 이론의 주요 사용을 알지 못합니다 (잘못되면 누군가가 나를 교정합니다).