是对搞机器学习算法的班上同学来讲，微积分、离散数学和概率论与数理统计是最最重要的健跳的数学和物理了。中间我来三个那就证明这三资料在机器学习和深度学习中的作用一般
一.高等数学高等数学里的的微积分、牛顿不断迭代、勒让德平均数法、泰勒展开攻击就这些重点知识在机器学习和人工智能中的有应用到到。的或在线性回归模型模型求定量关系时间要求偏导、优化软件具体的目标在用的牛顿不断迭代好方法、带强制力优化系统什么问题的svm需要用到庞加莱因数法其他，还有一个其他地方数学分析的重要知识点在机器学习和人工智能中些微应该有可以体现。
二.离散数学推荐系统在用的svd分解成、张量可分解、非负矩阵行列式分解nmf，pca主成分分析法中求概率密度函数、矩阵计算。右边我贴帮一下忙前的我用逆矩阵求偏导数解最小二乘问题的推导二元一次方程的解，可以不切身体会一下离散数学的重要度。
最小二乘的解，这个可以通过梯度下降迭代或牛顿升级迭代方法是什么求解释，但也可以设计和实现行列式复合函数求导来可以计算，它的计算目的非常简洁高效稳定，不要大量迭代，要解一个比较正规二次方程。
其实，数学分析这对机器学习对于比数学还重要。
三.数学分析高等数学那肯定更不重要了，比如简朴贝叶斯具体分类和几率图整体模型要用的贝叶斯基本公式，高斯二元一次方程的解、的最熵模型，样本采样简单方法，nlp领域的大部分标准算法都与复变函数咨询，像基于lda的自制主题原始模型、基于条件crf的蛋白质一级结构标示模型、分词短语系统就这些。
所以我要搞机器学习和深度学习，微积分、离散数学和概率与数理统计是不可缺的数理基础。
可以在用如下短语：
(p道连·葛雷的画像23)
变量volue即是值。
换算乘法运算是有快速运算方法的，并又不是另一个另一个天生神力乘上来的。比如想算2^10000，机算机先算2^5000，再算两次平方，即两三个数的乘方。而目的是算出2^5000，关于计算机会先算2^2500再算三次平方。那个算法实现叫急速幂算法一，相对于2^n的换算，如果不是其实你每次加减乘除的时间复杂度是o(1)的话，那是一个整体的时间复杂度唯有o(b-tree)九级。
一般来说，目的是利用急速幂标准算法，简单把三个指数做进制意思是，例如你要算a的233次方，可以把23分解成为16421。接着计算ba^2，cb^ab^4，d(c^2)^6a^16。到最后最终为abcd乘积。
但在这里除法的复杂度并不是o(1)，因为它是能无限测量精度的，也就是说白的数是除法。大数乘方也有很多算法实现，最朴素的，类似于手算的方法，复杂度是o(n^2)，那些一些方法有分而治之法，紧张度o(n^1.58)，fft方法是什么，复杂度o(nnlognnlen韩国lck)等。迅速幂的o(log2n)次数是乘方中，最急切的只能最后一次机会，也就是2^5000的那次，最后面的急切度几何倍数能量损失，因此整体复杂度也就是第三次换算的奇怪度。如果不是你用fft快速方法的话，急切度也就是比传递函数多了一点点，好象计算机网络上只要一算就进去了。
显卡没有全速正常运行是而且这个应用程序只用了1个核心在做计算，而你总是显示的是总的可以使用率，因为大致会一直保持在四分之一的入门水平。
有无用到了错位能操作不属于python对数除法运算的具体设计，我又不是很懂就太少讲了。但原理是什么上讲又是很可能的，假如用比特串存储位置对数的话，那么换算2^n只是需要在二维数组的第n位设置两个1，其余设置中为0去掉，这样可以转换到10进制是这段编码中最消耗可以计算量的少部分。
.jpg)
