scipy干啥的？SciPy是一個開源的Python算法庫和數(shù)學工具包。SciPy包涵的模塊有最系統(tǒng)優(yōu)化、線性代數(shù)、積分、插值、普通函數(shù)、飛快傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與

scipy干啥的？

SciPy是一個開源的Python算法庫和數(shù)學工具包。SciPy包涵的模塊有最系統(tǒng)優(yōu)化、線性代數(shù)、積分、插值、普通函數(shù)、飛快傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中具體用法的計算。Scipy包涵的功能：最優(yōu)化、線性代數(shù)、積分、插值、擬合、普通函數(shù)、快速傅里葉變換、信號處理、圖像處理、常微分方程求解器等。

一個人能否同時精通數(shù)學、物理學、計算機、電子、力學（結(jié)構(gòu)）、經(jīng)濟學和哲學（基礎領域）以及小說和電影？

謝邀！

這樣的人才有，但太少。一個人好象對他所學專業(yè)比較比較內(nèi)行，對其他學科有不了解。人的時間和精力是有限的，要在五十歲前精通上列學科甚至是不可肯定的，即使是天才。智商高能力強的天才有，但很少。天才也建立在三分智力，七分刻苦上。也不知大家有何高見？

機器學習需要哪些數(shù)學基礎？

相對于搞機器學習的同學來說，高等數(shù)學、線性代數(shù)和概率論與數(shù)理統(tǒng)計是最重要的三門的數(shù)學基礎了。下面我來共有說明這三方面在機器學習中的作用

一.高等數(shù)學高等數(shù)學里面的微積分、牛頓迭代、拉格朗日乘數(shù)法、泰勒發(fā)動等等知識點在機器學習中都有應用到到。.例如在邏輯回歸模型求梯度時候要求偏導、優(yōu)化軟件目標建議使用的牛頓迭代方法、帶約束力優(yōu)化系統(tǒng)問題的SVM要應用拉格朗日乘數(shù)法等等，還有一個其它高等數(shù)學的知識點在機器學習中或多或少都有吧體現(xiàn)出來。

二.線性代數(shù)推薦系統(tǒng)建議使用的SVD分解成、張量分解成、非負矩陣分解NMF，PCA主成分分析中求特征值、矩陣運算。下面我貼幫一下忙以前我用矩陣求導解最小二乘問題的公式推導過程，可以親身體會看看線性代數(shù)的重要程度。

最小二乘的解，這個可以實際梯度下降迭代或牛頓迭代方法求解釋，但也這個可以基于條件矩陣求導來換算，它的計算越來越簡約高效率，不是需要大量迭代，再解一個相對正規(guī)方程組。

當然，線性代數(shù)這對機器學習來說比高數(shù)還重要。

三.概率論與數(shù)理統(tǒng)計概率論與數(shù)理統(tǒng)計那你更最重要了，比如素樸貝葉斯分類和概率圖模型會用到的貝葉斯公式，高斯過程、最大熵模型，樣本采樣方法，NLP領域的大部分算法都與概率論去相關，像實現(xiàn)LDA的主題模型、基于條件CRF的序列標注模型、分詞系統(tǒng)等等。

因為要搞機器學習，高等數(shù)學、線性代數(shù)和概率論與數(shù)理統(tǒng)計全是不可缺的數(shù)學基礎。