對于從事機器學習的學生來說，高等數學、線性代數、概率論和數理統計是三門課程中最重要的數學基礎。我來分別解釋一下這三個方面在機器學習中的作用。

1.微積分、牛頓迭代、拉格朗日乘子法、高等數學中的泰勒展開等知識點都在機器學習中有應用。比如在logistic回歸模型中求梯度時需要偏導數，優化目標使用牛頓迭代法，約束優化問題的SVM使用拉格朗日乘子法等等。，以及高等數學的其他知識點都或多或少的體現在機器學習中。

分解，張量分解，線性代數推薦系統中使用的非負矩陣分解NMF，PCA主成分分析中的特征值和矩陣運算。我來貼一下之前用矩陣求導解決最小二乘問題的公式推導過程，體會一下線性代數的重要性。

最小二乘的求解可以用梯度下降迭代或牛頓迭代求解，但也可以基于矩陣求導計算。其計算方法更加簡潔高效，不需要大量迭代，只需要解一個正規方程組。

總之，對于機器學習來說，線性代數比高數更重要。

3.概率論與數理統計概率論與數理統計就更重要了，比如樸素貝葉斯分類和概率圖模型中用到的貝葉斯公式，高斯過程，最大熵模型，抽樣方法，NLP領域的大部分算法都與概率論有關，比如基于LDA的主題模型，基于CRF的序列標注模型，分詞系統等等。

所以，要從事機器學習，高等數學、線性代數、概率論、數理統計都是必不可少的數學基礎。

根號192大約等于13.8802...

沒有特別的要求可以直接用計算器解決，一般的計算器都有求根的功能。

如果手工計算需要，可以使用夾點法，如13*13amplt；192amplt；14*14，13.8*13.8amplt；192amplt；13.9*13.9，以此類推。

如果是編程解決方案，可以使用數學頭文件math.h中的sqrt函數，如果不是，也可以使用pinch方法作為算法來編寫程序。

Python包含了第三個庫函數，非常強大。1.內置函數

在dir(__buildings__)前后輸入兩個下劃線，查看python異常名、屬性名和內置函數；

輸入help(函數名)查看如何使用該函數。

(1)常用內置函數

1)abs()

求一個數的絕對值。

gtgtgta-10

gtgtgt打印(abs(a))

10

2)divmod()

返回一個元組，同時計算商和余數。

gtgtgta，bdivmod(10,3)

gtgtgt打印(a，b)

31

3)圓形()

浮點數的舍入，Round有兩個參數，第一個是要運算的值，第二個是小數點后保留多少位數。