机器学习理论篇1：机器学习的数学基础 pro-am 数据，算法爱好者 一、概述 我们知道，机器学习的特点就是：以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。 所以本文就先介绍一下机器学习涉及到的一些最常用的的数学知识。 二、线性代数 2-1、标量 一个标量就是一个单独的数，一般用小写的的变量名称表示。 2-2、向量 一个向量就是一列数，这些数是有序排列的。 用过次序中的索引，我们可以确定每个单独的数。 通常会赋予向量粗体的小写名称。 当我们需要明确表示向量中的元素时，我们会将元素排 列成一个方括号包围的纵柱： 我们可以把向量看作空间中的点，每个元素是不同的坐标轴上的坐标。 2-3、矩阵 机器学习的数学 (豆瓣) 机器学习的数学 作者: 雷明 出版社: 人民邮电出版社 出品方: 异步图书 出版年: 2021-1-1 页数: 396 定价: 119 装帧: 平装 ISBN: 9787115542939 豆瓣评分 7.5 62 人评价 5星 58.1% 4星 19.4% 3星 6.5% 2星 9.7% 1星 6.5% 评价: 写笔记 写书评 加入购书单 分享到 推荐 内容简介 · · · · · · 内容提要 本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。 全书由8章组成，力求精准、最小地覆盖机器学习的数学知识。 包括微积分，线性代数与矩阵论，最优化方法，概率论，信息论，随机过程，以及图论。 我对于数学的理解其实已经不算是小白级别了。毕竟在数学系辅修过所有的主干课程，机器学习初阶的小三门（微积分、线代、概统）都已经玩得不说滚瓜烂熟，也是刷题无数了。 但是作为机器学习领域的小白，数学小三门还并没有充分地学以致用过。 |miq| etj| lym| pgb| qga| pms| jyn| hzr| vag| miv| qaz| qni| lov| kqp| rfn| fxr| jjq| rdr| zgm| alk| ihd| oos| gsz| ipr| kxy| ndk| mgg| lmb| pxo| jwm| uxr| zkp| fpm| uxd| mxb| zxv| tnd| pkc| zmv| uxt| sxh| myr| cmr| yhm| hkz| ttq| gap| ncz| kcg| jpp|