机器学习数学基础
《机器学习数学基础》，电子工业出版社
-
补充拓展资料：github.com/qiwsir/Math…
-
本书目前最新印次：2022年9月第2次印刷
勘误和修改
- Github 上的 Markdown 文档：github.com/qiwsir/Math…
- 百度网盘下载 PDF 文档：链接: pan.baidu.com/s/1OOimHFaT… 提取码: d3a5
配套视频课程
本书介绍
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：mp.weixin.qq.com/s/GVcXTGXKK…
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：github.com/qiwsir/MML
- 百度网盘下载源码：链接: pan.baidu.com/s/1_SBAdUaa… 提取码: eptb
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
- 1.5.4 角度
- 👉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
- 7.4 相对熵和交叉熵
- 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：bfw.xet.tech/s/3cMBcz
- 书籍：跟老齐学 Python：轻松入门
- 书籍：Python 大学实用教程
- 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：
本文由mdnice多平台发布
