老齐
2022/12/15阅读:80主题:科技蓝
机器学习数学基础
机器学习数学基础

《机器学习数学基础》,电子工业出版社
-
补充拓展资料:https://github.com/qiwsir/Math4ML_book/blob/main/SUMMARY.md
-
本书目前最新印次:2022年9月第2次印刷
勘误和修改
-
Github 上的 Markdown 文档:https://github.com/qiwsir/Math4ML_book/blob/main/corrigendum.md -
百度网盘下载 PDF 文档:链接: https://pan.baidu.com/s/1OOimHFaTJ-CxmeCvnADFPQ 提取码: d3a5
配套视频课程
-
博文视点学院:https://appqtulvsie4217.pc.xiaoe-tech.com/detail/p_6243c2a9e4b01c509a9c1c8e/6)
本书介绍
点击右边链接阅读:电子工业出版社博文视点发布的本书介绍:https://mp.weixin.qq.com/s/GVcXTGXKKKitNqUnZEtUMg
图书购买
请自行至各大电商平台购买。
注:书的销售价格由各个网站运营方决定,不同网站价格可能稍有不同,但均与作者和本站无关,作者不负责销售,请勿就此与作者讨论,也不要找作者退差价。
以下购买链接,仅供参考。其他电商网站平台或书店,也有销售,请根据自己的喜好选择。
源码
-
Github 仓库:https://github.com/qiwsir/MML -
百度网盘下载源码:链接: https://pan.baidu.com/s/1_SBAdUaaG2GyVUZwcn8_rQ 提取码: eptb
目录
《机器学习数学基础》目录(含章节选读):
👉:思维导图,建议用大显示器(越大越好。请读者自备,本书作者无义务提供)打开浏览,效果更好,能从全局了解所有的知识结构。注:思维导图中的微积分内容,并未包含在本书中,理由见本书的「前言」有关内容。
-
-
-
视频节选
-
第1 章向量和向量空间
-
1.1 向量 -
1.2 向量空间 -
1.3 基和维数 -
1.4 内积空间 -
1.5 距离和角 -
1.5.4 角度 -
👉视频课程节选:通过距离实现分类的数学原理
-
-
1.6 非欧几何
-
-
第2章 矩阵
-
2.1 基础知识 -
2.2 线性映射 -
2.3 矩阵的逆和转置 -
2.4 行列式 -
2.5 矩阵的秩 -
2.6 稀疏矩阵 -
2.7 图与矩阵
-
-
第3章 特征值和特征向量
-
3.1 基本概念
-
3.2 应用示例
-
3.3 相似矩阵
-
3.4 正交和投影
-
3.5 矩阵分解
-
3.6 最小二乘法(1)
-
-
第4章 向量分析
-
4.1 向量的代数运算
-
4.2 向量微分
-
4.3 最优化方法
内容节选:
-
4.4 反向传播算法
-
-
第5章 概率
-
5.1 基本概念
-
5.2 贝叶斯定理
-
5.3 随机变量和概率分布
内容节选:
-
5.4 随机变量的和
-
5.5 随机变量的数字特征
-
-
第6章 数理统计
-
6.1 样本和抽样
-
6.2 点估计
-
6.3 区间估计
-
6.4 参数检验
内容节选:
-
6.5 非参数检验
-
-
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
-
-
后记
相关学习资料
本书中的源码是使用 Python 语言,并基于 Jupyter 演示。对 Jupyter 以及有关 Python 等语言不熟悉的读者,请参阅如下相关资料:
-
学习 Python 语言的资料(以下任选一项或多项) -
书籍:Python 完全自学教程(本书为免费开源图书) -
与《Python 完全自学教程》配套的视频课程:https://bfw.xet.tech/s/3cMBcz -
书籍:跟老齐学 Python:轻松入门 -
书籍:Python 大学实用教程
-
-
学习 Jupyter 以及 NumPy、Pandas、Scikit-learn 等机器学习常用工具的资料: -
书籍:跟老齐学 Python:数据分析 -
书籍:数据准备和特征工程 -
视频课程:迈向数据科学家:带你玩转 Python 数据分析
-
-
其他有关资料:
作者介绍