对于从事机器学习的学生来说，高等数学、线性代数、概率论和数理统计是三门课程中最重要的数学基础。我来分别解释一下这三个方面在机器学习中的作用。
1.微积分、牛顿迭代、拉格朗日乘子法、高等数学中的泰勒展开等知识点都在机器学习中有应用。比如在logistic回归模型中求梯度时需要偏导数，优化目标使用牛顿迭代法，约束优化问题的SVM使用拉格朗日乘子法等等。，以及高等数学的其他知识点都或多或少的体现在机器学习中。
分解，张量分解，线性代数推荐系统中使用的非负矩阵分解NMF，PCA主成分分析中的特征值和矩阵运算。我来贴一下之前用矩阵求导解决最小二乘问题的公式推导过程，体会一下线性代数的重要性。
最小二乘的求解可以用梯度下降迭代或牛顿迭代求解，但也可以基于矩阵求导计算。其计算方法更加简洁高效，不需要大量迭代，只需要解一个正规方程组。
总之，对于机器学习来说，线性代数比高数更重要。
3.概率论与数理统计概率论与数理统计就更重要了，比如朴素贝叶斯分类和概率图模型中用到的贝叶斯公式，高斯过程，最大熵模型，抽样方法，NLP领域的大部分算法都与概率论有关，比如基于LDA的主题模型，基于CRF的序列标注模型，分词系统等等。
所以，要从事机器学习，高等数学、线性代数、概率论、数理统计都是必不可少的数学基础。
根号192大约等于13.8802...
没有特别的要求可以直接用计算器解决，一般的计算器都有求根的功能。
如果手工计算需要，可以使用夹点法，如13*13amplt；192amplt；14*14，13.8*13.8amplt；192amplt；13.9*13.9，以此类推。
如果是编程解决方案，可以使用数学头文件math.h中的sqrt函数，如果不是，也可以使用pinch方法作为算法来编写程序。
Python包含了第三个库函数，非常强大。1.内置函数
在dir(__buildings__)前后输入两个下划线，查看python异常名、属性名和内置函数；
输入help(函数名)查看如何使用该函数。
(1)常用内置函数
1)abs()
求一个数的绝对值。
gtgtgta-10
gtgtgt打印(abs(a))
10
2)divmod()
返回一个元组，同时计算商和余数。
gtgtgta，bdivmod(10,3)
gtgtgt打印(a，b)
31
3)圆形()
浮点数的舍入，Round有两个参数，第一个是要运算的值，第二个是小数点后保留多少位数。