Saya ingin masuk lebih dalam ke Machine Learning (teori dan aplikasi di bidang Keuangan). Saya ingin bertanya seberapa relevan analisis kompleks dan analisis fungsional sebagai dasar untuk Pembelajaran Mesin? Apakah saya perlu mempelajari mata pelajaran ini atau haruskah saya berkonsentrasi pada topik lain (jika demikian, pada yang mana?)
Jawaban:
Saya akan mengatakan bahwa prasyarat paling penting untuk Pembelajaran Mesin adalah Aljabar Linier , Optimasi (baik numerik dan teoritis) dan Kemungkinan .
Jika Anda membaca rincian implementasi algoritma pembelajaran mesin umum (saya ingat LASSO, Elastic Net, SVMs) persamaannya sangat bergantung pada berbagai identitas (bentuk ganda dari masalah optimasi, berbagai rumus yang berasal dari aljabar linier) dan implementasi mengharuskan Anda untuk terbiasa dengan teknik seperti gradient descent.
Kemungkinan adalah harus memiliki keduanya dalam Kerangka Pembelajaran PAC dan setiap kali Anda belajar tes.
Kemudian, hanya kemudian, analisis fungsional dapat berguna. Terutama ketika Anda mempelajari kernel (dan menggunakan teorema representasi).
Mengenai analisis yang kompleks, saya tidak menyadari penggunaan besar teorema penting yang berasal dari bidang ini dalam pembelajaran mesin (seseorang mengoreksi saya jika saya salah).