我对机器学习有一定的了解，但不是完全的新手，我知道一些简单的技术，如K-means聚类、人工神经网络和贝叶斯推理。我想更深入地学习机器学习，所以我开始阅读《机器学习：概率视角》，直到我开始阅读“高斯过程”这一章时都没有问题，在那里我看到了很多特征值分解以及如何使用对角协方差矩阵来避免过拟合……我对此一无所知。所以，我该怎么办？我应该开始阅读一整本线性代数的书，还是应该只专注于线性代数的某些主题，以便以概率的方式学习机器学习？
谢谢
回答：
线性代数是基础，因为机器学习中的一切都是向量或矩阵。点积、距离、矩阵分解、特征值等经常出现。
