机器学习，数据挖掘在研究生阶段大概要学些什么？

最简单的当然是从分类器（classification）谈起了。总结一下，学习这些东西要先知道哪些数学内容呢。Naive Bayes：真的只需要懂一点概率论就行了。 Linear Discriminant Analysis：这个你只需要知道什么是多变量Gaussian分布。 Logistic Regression：如果知道线性回归和广义线性回归，LR也不是什么特别的东西。如果知道最大熵原理，并能从它推导出LR那说明你对LR的理解又更深入了。 Linear SVM：这个稍微复杂一点，因为问题的formulation需要先理解max-margin原理。而具体的算法实际上就只是经典的二次规划和凸优化内容。 Kernel SVM：要真正理解这个或许需要先明白什么是RKHS。然后其他算法部分只是仿照Linear SVM的简单推广。