机器学习数学基础
《机器学习数学基础》已由电子工业出版社出版
此处是针对本书的补充拓展资料
说明： 本站的公式若无法显示，请依次尝试如下方法：
再次刷新页面；若还无法显示，进入第 2 步。
分别在移动端和计算机终端都试试，或者换个网络。如果依然无法显示公式，我就无能为力了，只能说因为不可抗力的原因，看不到本站的公式。
浏览器也可能是导致无法显示公式原因。
电子工业出版社博文视点发布的本书介绍
读者反馈
特别的声明
本站内容是《机器学习数学基础》（电子工业出版社出版）的扩展资料，供读者参考使用。
本站内容并非《机器学习数学基础》一书的标准配置，仅因为考虑到部分读者的需要，以及我个人的爱好而整理和发布一些参考信息。
也就是说，购买了《机器学习数学基础》之后，不意味着本书作者也必须为其提供本站内容。
本站内容持续地、不定期地更新。
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
Gitee：https://gitee.com/qiwsir/mml
建议使用 git 技术，将源码克隆到本地使用。
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：跟老齐学 Python：轻松入门
- 书籍：Python 大学实用教程
- 视频课程：零基础掌握 Python 入门到实战
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
- 书籍：数据准备和特征工程
- 视频课程：迈向数据科学家：带你玩转 Python 数据分析
其他有关资料：
学习交流 QQ 群（入群前必须认真读，且后果自负）：
- 此群中，作者没有义务回答读者的所有提问。
- 任何在本群的朋友，都是凭着个人喜好、时间等因素发布有关内容。
- 请入群者知悉，勿要期望在本群中有问必答。
- 本群人满之后，会不定期清退部分不活跃用户，在此特别告知，请不要在被清退时心情郁闷。
- 若对作者或本群有较高期望，希望通过本群解决阅读本书的疑惑者，请慎重入群。因为入群后很可能大失所望，并进而会导致牢骚满腹，伤神伤肾。
- 入群后，若因群内信息未能满足个人需要而对自己造成了任何精神、肉体等方面的伤害，皆非本群之责任。以上已经反复提醒“入群需谨慎”。
- 本群仅仅是一个松散的学习交流空间，非《机器学习数学基础》这本书标配，读者所支付的购书款中不包含本 QQ 群以及其中的任何内容。
群内不得发布任何违背法律、政策、道德以及其他与本群宗旨无关信息。
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。
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
- 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
- 7.4 相对熵和交叉熵
- 7.5 互信息
- 7.6 连续分布
后记
勘误和修订
这个页面的说明比较啰嗦。没办法，主要是防杠。就这样了，还防不胜防呢。
作者: 老齐
链接: http://math.itdiffer.com/
来源: 机器学习
本文原创发布于「机器学习」,转载请注明出处,谢谢合作!
