关于本书
Contents
关于本书#
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
配套视频课程#
博文视点学院:机器学习数学基础视频教程
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
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
补充资料仓库#
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
👉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
7.5 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
学习 Jupyter 以及 NumPy、Pandas、Scikit-learn 等机器学习常用工具的资料:
书籍:数据准备和特征工程
其他有关资料: