一、机器学习应补充哪些数学基础
最基础的部分包括基本的高等数学，比如分析、代数（尤其是矩阵论）、数值优化算法、概率论与数理统计等。
更进阶的需要掌握实分析（比如测度论）、图论、时间序列、回归分析等等。
再深入的你还可以掌握微分方程、流形几何等等基础机器学习涉及不到的内容，这个时候你就可以挖别人挖不出来的坑了。
另外虽然严格来说不属于数学，但是算法的概念和数据结构的相关知识也是一定要掌握的
二、机器学习需要什么数学基础，学习这些数学需要会哪些
高数、线性代数、概率论，深度学习里面一些矩阵运算比较多，还涉及一些梯度、求导之类的基础知识。真要学的很精的话还是需要很扎实的数学基础的。
三、机器学习需要哪些核心数学知识
概率论【重点是贝叶斯概率论，不是抛硬币猜正反面那一套】
算法
优化算法【和上面是完全不一样的东西】
总之，这个领域内容非常非常多。需要数学，需要编程。全投入一年能学完基础知识就不错了。还不算后面各种高阶的东西。
