3.3
用户推荐指数
计算机 类型
可以朗读 语音朗读
181千字 字数
2022-03-01 发行日期
展开全部

主编推荐语

《机器学习数学基础》实用、工程化角度介绍算法所需数学，配合Python代码实现。

内容简介

《机器学习数学基础》一书以机器学习的直接需要为标准，选择基本的数学内容，从工程应用的角度给予介绍。全书系统地阐述机器学习的数学基础知识，但它并非大学数学教材的翻版，而是以机器学习算法为依据，选取需要用到的数学知识，并从实际应用的角度来阐述各种数学定义、定理等内容，侧重于讲清楚它们的应用和实现方法。所以，在《机器学习数学基础》一书中将使用开发者喜欢的编程语言（Python）来实现各种数学计算，并阐述数学知识在机器学习算法中的应用体现。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 向量和向量空间
  • 1.1 向量
  • 1.1.1 描述向量
  • 1.1.2 向量的加法
  • 1.1.3 向量的数量乘法
  • 1.2 向量空间
  • 1.2.1 什么是向量空间
  • 1.2.2 线性组合
  • 1.2.3 线性无关
  • 1.2.4 子空间
  • 1.3 基和维数
  • 1.3.1 极大线性无关组
  • 1.3.2 基
  • 1.3.3 维数
  • 1.4 内积空间
  • 1.4.1 什么是内积空间
  • 1.4.2 点积和欧几里得空间
  • 1.5 距离和角度
  • 1.5.1 距离
  • 1.5.2 基于距离的分类
  • 1.5.3 范数和正则化
  • 1.5.4 角度
  • 1.6 非欧几何
  • 第2章 矩阵
  • 2.1 基础知识
  • 2.1.1 什么是矩阵
  • 2.1.2 初等变换
  • 2.1.3 矩阵加法
  • 2.1.4 数量乘法
  • 2.1.5 矩阵乘法
  • 2.2 线性映射
  • 2.2.1 理解什么是线性
  • 2.2.2 线性映射
  • 2.2.3 矩阵与线性映射
  • 2.2.4 齐次坐标系
  • 2.3 矩阵的逆和转置
  • 2.3.1 逆矩阵
  • 2.3.2 转置矩阵
  • 2.3.3 矩阵LU分解
  • 2.4 行列式
  • 2.4.1 计算方法和意义
  • 2.4.2 线性方程组
  • 2.5 矩阵的秩
  • 2.6 稀疏矩阵
  • 2.6.1 生成稀疏矩阵
  • 2.6.2 稀疏矩阵压缩
  • 2.7 图与矩阵
  • 2.7.1 图的基本概念
  • 2.7.2 邻接矩阵
  • 2.7.3 关联矩阵
  • 2.7.4 拉普拉斯矩阵
  • 第3章 特征值和特征向量
  • 3.1 基本概念
  • 3.1.1 定义
  • 3.1.2 矩阵的迹
  • 3.1.3 一般性质
  • 3.2 应用示例
  • 3.2.1 动力系统微分方程
  • 3.2.2 马尔科夫矩阵
  • 3.3 相似矩阵
  • 3.3.1 相似变换
  • 3.3.2 几何理解
  • 3.3.3 对角化
  • 3.4 正交和投影
  • 3.4.1 正交集和标准正交基
  • 3.4.2 正交矩阵
  • 3.4.3 再探对称矩阵
  • 3.4.4 投影
  • 3.5 矩阵分解
  • 3.5.1 QR分解
  • 3.5.2 特征分解
  • 2. 证明“对称矩阵的特征向量彼此正交”
  • 3.5.3 奇异值分解
  • 3.5.4 数据压缩
  • 3.5.5 降噪
  • 3.6 最小二乘法（1）
  • 3.6.1 正规方程
  • 3.6.2 线性回归（1）
  • 第4章 向量分析
  • 4.1 向量的代数运算
  • 4.1.1 叉积
  • 4.1.2 张量和外积
  • 4.2 向量微分
  • 4.2.1 函数及其导数
  • 4.2.2 偏导数
  • 4.2.3 梯度
  • 4.2.4 矩阵导数
  • 4.3 最优化方法
  • 4.3.1 简单的线性规划
  • 4.3.2 最小二乘法（2）
  • 4.3.3 梯度下降法
  • 4.3.4 线性回归（2）
  • 4.3.5 牛顿法
  • 4.4 反向传播算法
  • 4.4.1 神经网络
  • 4.4.2 参数学习
  • 4.4.3 损失函数
  • 4.4.4 激活函数
  • 4.4.5 理论推导
  • 第5章 概率
  • 5.1 基本概念
  • 5.1.1 试验和事件
  • 5.1.2 理解概率
  • 5.1.3 条件概率
  • 5.2 贝叶斯定理
  • 5.2.1 事件的独立性
  • 5.2.2 全概率公式
  • 5.2.3 理解贝叶斯定理
  • 5.3 随机变量和概率分布
  • 5.3.1 随机变量
  • 5.3.2 离散型随机变量的分布
  • 5.3.3 连续型随机变量的分布
  • 5.3.4 多维随机变量及分布
  • 5.3.5 条件概率分布
  • 5.4 随机变量的和
  • 5.4.1 离散型随机变量的和
  • 5.4.2 连续型随机变量的和
  • 5.5 随机变量的数字特征
  • 5.5.1 数学期望
  • 5.5.2 方差和协方差
  • 5.5.3 计算相似度
  • 5.5.4 协方差矩阵
  • 第6章 数理统计
  • 6.1 样本和抽样
  • 6.1.1 总体和样本
  • 6.1.2 统计量
  • 6.2 点估计
  • 6.2.1 最大似然估计
  • 6.2.2 线性回归（3）
  • 6.2.3 最大后验估计
  • 6.2.4 估计的选择标准
  • 6.3 区间估计
  • 6.4 参数检验
  • 6.4.1 基本概念
  • 6.4.2 正态总体均值的假设检验
  • 6.4.3 正态总体方差的假设检验
  • 6.4.4 p值检验
  • 6.4.5 用假设检验比较模型
  • 6.5 非参数检验
  • 6.5.1 拟合优度检验
  • 6.5.2 列联表检验
  • 第7章 信息与熵
  • 7.1 度量信息
  • 7.2 信息熵
  • 7.3 联合熵和条件熵
  • 7.4 相对熵和交叉熵
  • 7.5 互信息
  • 7.6 连续分布
  • 附录A
  • 后记
展开全部

评分及书评

3.3
3个评分
  • 用户头像
    给这本书评了
    3.0
    虎头蛇尾

    前面线代的内容写的很清晰，概率论部分错误百出，为阅读带来很大阻碍

      转发
      评论

    出版方

    电子工业出版社

    电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。