Toggle navigation sidebar
Toggle in-page Table of Contents
LQLab: Coding Learning Writing
机器学习数学基础
关于本书
勘误和修改
线性代数
线性代数基本定理
向量范数
四元数、点积和叉积
从几何角度理解矩阵
矩阵运算技巧和矩阵指数
对矩阵乘法的深入理解
求解线性方程组的克拉默法则
理解线性变换和最小二乘
柯西—施瓦茨不等式
仿射变换
可逆矩阵的手工计算方法和总结
正定矩阵
欧几里得空间的推广
概率和统计
超平面
343页结论的证明
描述性统计
贝叶斯分类器
费雪的线性判别分析
数学扩展
函数
极限和连续
关于自然常数
Python 完全自学教程
图书
机器学习数学基础
开源图书:Python 完全自学教程
数据准备和特征工程
Python大学实用教程
跟老齐学Python:数据分析
跟老齐学Python:Django实战
跟老齐学Python:轻松入门
课程
文章
Python 编程语言
机器学习
其他文章
有则改之,无则加勉
仓库
信息
网络信息
关于
.rst
.pdf
Contents
数学
机器学习
机器学习数学基础
Contents
数学
机器学习
机器学习数学基础
#
关于本书
图书介绍
配套视频课程
勘误和修改
图书购买
源码
补充资料仓库
目录
相关学习资料
勘误和修改
一、勘误
二、修改
数学
#
线性代数
线性代数基本定理
向量范数
四元数、点积和叉积
从几何角度理解矩阵
矩阵运算技巧和矩阵指数
对矩阵乘法的深入理解
求解线性方程组的克拉默法则
理解线性变换和最小二乘
柯西—施瓦茨不等式
仿射变换
可逆矩阵的手工计算方法和总结
正定矩阵
欧几里得空间的推广
概率和统计
超平面
343页结论的证明
描述性统计
贝叶斯分类器
费雪的线性判别分析
数学扩展
函数
极限和连续
关于自然常数
机器学习
#