996再上热搜

受纽交所宣布对中国三大运营商采取摘牌退市决定的影响，新年后的第一个交易日，三大运营商港股开盘齐齐跌落。

其中，中国电信一度下跌了 5%、中国移动跌幅一度超过 4%，中国联通则一度下跌了 3.5% 左右。

针对此事，2020 年 1 月 4 日，三大运营商相继作出回应，表示尚未收到纽约证交所下市决定的任何通知。

同时，三家公司均对纽约证交所相关决定和行动表示遗憾。

三大运营商回应

2020 年 12 月 31 日(美国当地时间)，美国纽约证券交易所(The New York Stock Exchange，简称 NYSE ，中文简称纽交所)发布声明，宣布已经决定启动中国三大电信运营商的退市流程。
 

III. 数据科学与机器学习必需的数学工具

1. 统计与概率

统计与概率学可用于特征的可视化，数据预处理，特征转换，数据插入，降维，特征工程，模型评估等。

这里是你需要熟悉的概念：均值，中位数，众数，标准差/方差， 相关系数和协方差矩阵，概率分布(二项，泊松，正太), p-值, 贝叶斯理论(精确性，召回率，阳性预测值，阴性预测值，混淆矩阵，ROC曲线)， 中心极限定理, R_2值, 均方误差(MSE)，A/B测试，蒙特卡洛模拟。

2. 多元微积分

大多数机器学习模型都是由带有许多特征或者预测因子的数据集建立的。因此，熟悉多元微积分对于建立机器学习模型及其重要。

这里是你需要熟悉的概念：多元函数;导数和梯度; 阶跃函数，Sigmoid函数, Logit函数, ReLU(整流线性单元)函数;损失函数;函数作图;函数最大最小值。

3. 线性代数

线性代数是机器学习中最重要的数学工具。 数据集通常都表示为矩阵。 线性代数常用于数据预处理，数据转换，降维和模型评估。

这里是你需要熟悉的概念：向量;向量的范数;矩阵;矩阵转置;矩阵的逆;矩阵的行列式;矩阵的迹;点积;特征值;特征向量

4. 优化方法

大多数机器学习算法通过最小化目标函数来建立预测模型，由此学习应用于测试数据的权重以获得预测的标签。

这里是你需要熟悉的概念：损失函数/目标函数;似然函数;误差函数;梯度下降算法及其衍生(如随机梯度下降)

IV. 总结与结论

总之，我们已经讨论了数据科学和机器学习所需的基本数学和理论技能。 有几门免费的在线课程可以教你数据科学和机器学习所必需的数学知识。 作为有志于数据科学的人，请记住，数据科学的理论基础对于构建高效且可靠的模型至关重要。 因此，您应该投入足够的时间来研究每种机器学习算法背后的数学理论。