具體描述
《機器學習中的數學》是一本係統介紹機器學習中涉及的數學知識的入門圖書，本書從機器學習中的數學入門開始，以展示數學的友好性為原則，講述瞭機器學習中的一些常見的數學知識。機器學習作為人工智能的核心技術，對於數學基礎薄弱的人來說，其颱階是陡峭的，本書力爭在陡峭的颱階前搭建一個斜坡，為讀者鋪平機器學習的數學之路。
《機器學習中的數學》共19章，分為綫性代數、高等數學和概率3個組成部分。第 1 部分包括嚮量、嚮量的點積與叉積、行列式、代數餘子式、矩陣、矩陣和方程組、矩陣的秩、逆矩陣、高斯—諾爾當消元法、消元矩陣與置換矩陣、矩陣的LU分解、歐幾裏得距離、曼哈頓距離、切比雪夫距離、夾角餘弦等；第2部分包括導數、微分、不定積分、定積分、弧長、偏導、多重積分、參數方程、極坐標係、柱坐標係、球坐標係、梯度、梯度下降算法、方嚮導數、綫性近似、二階近似、泰勒公式、牛頓法、zuixiao二乘法、求解極值、拉格朗日乘子法、KKT條件、歐拉—拉格朗日方程等；第3部分包括概率、古典概型、幾何概型、互斥事件、獨立事件、分布函數、離散型分布、連續型分布等。
《機器學習中的數學》內容全麵，語言簡練，實例典型，實用性強，立足於“友好數學”，與機器學習完美對接，適閤想要瞭解機器學習與深度學習但數學基礎較為薄弱的程序員閱讀，也適閤作為各大高等院校機器學習相關專業的教材。機器學習及數學愛好者、海量數據挖掘與分析人員、金融智能化從業人員等也可選擇本書參考學習。
用戶評價
##蠻好，比想象的好，有不少收獲。尤其12-17章。 可惜內容偏少。不夠全麵，很多地方也不夠深入
評分##成功使用本書復蘇瞭腦海中關於高等數學、綫性代數、解析幾何、概率論的相關知識。 作者寫的比較淺，如果你是一個接受過理工科訓練的人，本書也適閤淺翻一下即可。至於其他評論提到的錯誤，我看得不是太仔細，也沒發現太多錯誤，期待一個糾錯帖。
評分##馬馬虎虎的一本書吧。更偏嚮於一本教科書，而不是一本工具書。 來說說缺點吧，書的知識點看似涉及比較廣，但是真正和自己學習以及深度學習相關的知識，卻並不是很多，即使涉及到的知識點，也沒有能夠很深入的講解。 要說這本書的內容豐富吧，它又不是很全麵，綫性代數和概率論的部分，一筆帶過，沒有寫得很深入。 總之，可以看看，但收獲不大。
評分##很一般，不過挺通俗，比較多的瑕疵錯誤
評分##成功使用本書復蘇瞭腦海中關於高等數學、綫性代數、解析幾何、概率論的相關知識。 作者寫的比較淺，如果你是一個接受過理工科訓練的人，本書也適閤淺翻一下即可。至於其他評論提到的錯誤，我看得不是太仔細，也沒發現太多錯誤，期待一個糾錯帖。
評分##大概看瞭一下，亮點就是他的目錄啦。
評分##內容全麵，講述比較生動。 但是章節編排有點奇怪，比如極值放在梯度下降的後麵，塞在牛頓法和拉格朗日乘子之間。
評分##成功使用本書復蘇瞭腦海中關於高等數學、綫性代數、解析幾何、概率論的相關知識。 作者寫的比較淺，如果你是一個接受過理工科訓練的人，本書也適閤淺翻一下即可。至於其他評論提到的錯誤，我看得不是太仔細，也沒發現太多錯誤，期待一個糾錯帖。
評分##算是集閤瞭大學知識點,除瞭梯度下降,從書裏也看不齣機器學習為啥要用到這些.配套代碼還算有點意義,復習用沒問題.
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 windowsfront.com All Rights Reserved. 靜流書站 版權所有