# 关于本书

![](/_static/images/math4ML.png)

## 图书介绍

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)

## 配套视频课程

- 研途学堂：[机器学习数学基础视频教程](https://yantucs.com/series/XL100124xxxxxx?uname=ec10ef51f3d07f5bb2efaa1b0f94b83c)

## 勘误和修改

- Github 上的 Markdown 文档：[https://github.com/qiwsir/Math4ML_book/blob/main/corrigendum.md](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

## 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。

- [电子工业出版社天猫旗舰店的购买链接](https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-22119638442.38.64a81b8bVxnThT&id=669416694891&rn=722f8f9ca01c921371f38750d02e188b&abbucket=17)
- [京东网站的自营购买链接](https://item.jd.com/13624326.html)
- [京东的**电子书**购买链接](https://e.jd.com/30808209.html?ebook=1)
- [当当网站的自营购买链接](http://product.dangdang.com/29374533.html)

## 源码

- Github 仓库：[https://github.com/qiwsir/MML](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

## 补充资料仓库

- [https://github.com/qiwsir/Math4ML_book](https://github.com/qiwsir/Math4ML_book)

## 目录

《机器学习数学基础》目录（**含章节选读**）：

👉：[思维导图](https://www.processon.com/view/link/6216f4785653bb0756497ade)，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。

- [本书的阅读和使用方法](https://mp.weixin.qq.com/s/Y9-RsJAVzR-uuSOLW9Hf2w)

- [前言](https://mp.weixin.qq.com/s?__biz=MzA3ODE4NzExOA==&mid=2657733175&idx=1&sn=0d3085bed31b70193b196ae26b5e32f4&chksm=84dbf536b3ac7c208392b00bc5276533433f13c92dfb8cd5996bd20aaeefdf7ce48f98d67505&token=1200228264&lang=zh_CN#rd)

- 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
    - [1.4.2点积和欧几里得空间](https://mp.weixin.qq.com/s?__biz=MzA3ODE4NzExOA==&mid=2657733351&idx=1&sn=84281e984c31893051282817ff402d3c&chksm=84dbf5e6b3ac7cf09388a7e5b1c382398402f0f5f1dbbb86351192b2602f466ff75b0901c5e9&token=1236220121&lang=zh_CN#rd)
  - 1.5 距离和角
    - [1.5.4 角度](https://mp.weixin.qq.com/s/BN_ELnYW17_2BTByQhlYfg)
    - 👉视频课程节选：[通过距离实现分类的数学原理](https://mp.weixin.qq.com/s?__biz=MzA3ODE4NzExOA==&mid=2657734270&idx=1&sn=ead009dddfba8cce4d4d3822c1332a47&chksm=84dbf17fb3ac78693020462b4f073f258d4284aa823dd1f268503bacc15becdbcdcbdf167464&token=218012982&lang=zh_CN#rd)
  - 1.6 非欧几何

- 第2章 矩阵

  - 2.1 基础知识
  - 2.2 线性映射
    - [2.2.4 齐次坐标系](https://mp.weixin.qq.com/s?__biz=MzA3ODE4NzExOA==&mid=2657732694&idx=1&sn=95c80a6f47c94d9c46b11c54eeeca7b2&chksm=84dbf757b3ac7e4125f1a6fd801c7e82c04c0cd4125883b30342f45452aa598654683a8dcf49&token=976453741&lang=zh_CN#rd)
  - 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
    - [2.6.2 稀疏矩阵压缩](https://mp.weixin.qq.com/s?__biz=MzA3ODE4NzExOA==&mid=2657732728&idx=1&sn=6b98c297c40693a06d06645604d454ba&chksm=84dbf779b3ac7e6fe3350a91e6635e322a3fc8dc5e6fcbe688fc8591678e8a36dc0e7d6c542c&mpshare=1&scene=23&srcid=0104x6awKHnx9gSdB8ivw2m0&sharer_sharetime=1641256680395&sharer_shareid=87726771754be67d1a12fbb0a04ea945%23rd)
  - 2.7 图与矩阵
    - [2.7.2 邻接矩阵](https://mp.weixin.qq.com/s/u2Tj8RWRhrXk31FdRu5kZg)

- 第3章 特征值和特征向量
  - 3.1 基本概念
    - [3.1.1 定义](https://mp.weixin.qq.com/s/LODzpjfdxXVR3nUU5XkY2w)
  - 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：

    - [4.3.2 最小二乘法（2）](https://mp.weixin.qq.com/s/eP55X-SqLiO5SKRKRzSjgQ)

  - 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：

    - [幂律分布](https://mp.weixin.qq.com/s/AzFwjqNiPefFDJTvtr7dWA)

  - 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：

    - [6.4.5 用假设检验比较模型](https://mp.weixin.qq.com/s/HsyOvPQIbp9tG3XiGEv-PA)

  - 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](https://mp.weixin.qq.com/s?__biz=MzA3ODE4NzExOA==&mid=2657732868&idx=1&sn=203029787221e738c7d073f5d4b1a3fb&chksm=84dbf605b3ac7f1328397a9bbb833eeae1014991d3a1696726ba8d60c20bd25faab9919d6048&token=1347766832&lang=zh_CN#rd)
  - 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](https://lqlab.readthedocs.io/en/latest/books/self-learning/self-learning.html)（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](https://bfw.xet.tech/s/3cMBcz)
  - 书籍：[跟老齐学 Python：轻松入门](https://github.com/qiwsir/itdiffer/blob/main/learn_python.md)
  - 书籍：[Python 大学实用教程](https://github.com/qiwsir/itdiffer/blob/main/python_course.md)
- 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](https://github.com/qiwsir/itdiffer/blob/main/data.md)
  - 书籍：[数据准备和特征工程](https://github.com/qiwsir/itdiffer/blob/main/feature.md)
  - 视频课程：[迈向数据科学家：带你玩转 Python 数据分析](https://edu.csdn.net/course/detail/27814)
- 其他有关资料：
  - [线性代数的学习方法](https://mp.weixin.qq.com/s/AbfoSd8Xx86bmmAxzM8RRQ)
  - [提问的智慧](https://github.com/ryanhanwu/How-To-Ask-Questions-The-Smart-Way/blob/main/README-zh_CN.md)