出于好奇，我阅读了一些有关机器学习领域的内容，我对其中涉及的计算量和数学量感到惊讶。我正在阅读的一本书使用了高级概念，例如环理论和偏微分方程(注意:我对偏微分方程唯一了解的是它们使用了那个看起来很有趣的字符)。考虑到数学本身是一件很难“学习”的事情，这让我觉得很奇怪。
机器学习是否有使用不同方法的分支？
我认为更多依赖逻辑、内存、毫无根据的假设构建和过度概括的方法将是更好的方法，因为这看起来更像动物的思维方式。动物不会(明确地)计算概率和统计数据；至少据我所知。
最佳答案
我们大脑中神经元的行为非常复杂，需要一些繁重的数学来建模。所以，是的，我们确实计算了极其复杂的数学，但它是以我们无法感知的方式完成的。
我不知道你通常在人工智能中找到的数学是否是这样的。研究完全是由于所建模的自然神经系统的复杂性。部分原因也可能是由于启发式技术甚至不尝试对思维进行建模(例如，使用卷积滤波器来识别形状)。
关于artificial-intelligence - 机器学习的数学方法较少？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2652121/