機器學習線性代數基礎：Python語言描述 ( 簡體 字) |
| 作者：張雨萌 | 類別：1. -> 程式設計 -> 機器學習
2. -> 程式設計 -> Python |
| 譯者： |
| 出版社：北京大學出版社 |  3dWoo書號： 51697
詢問書籍請說出此書號！【缺書】
NT售價： 245 元 |
| 出版日：8/1/2019 |
| 頁數：160 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787301306017 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：是機器學習繞不開的基礎知識，傳統教材的風格偏重理論定義和運算技巧，想以此高效地打下機器學習的數學基礎，針對性和可讀性并不佳。本書以機器學習涉及的線性代數核心知識為重點，進行新的嘗試和突破：從坐標與變換、空間與映射、近似與擬合、相似與特征、降維與壓縮這5個維度，環環相扣地展開線性代數與機器學習算法緊密結合的核心內容，并分析推薦系統和圖像壓縮兩個實踐案例，在介紹完核心概念后，還將線性代數的應用領域向函數空間和復數域中進行拓展與延伸；同時極力避免數學的晦澀枯燥，充分挖掘線性代數的幾何內涵，并以Python語言為工具進行數學思想和解決方案的有效實踐。
《機器學習線性代數基礎：Python語言描述》適合實踐于數據分析、信號處理等工程領域的讀者，也適合在人工智能、機器學習領域進行理論學習和實踐，希望筑牢數學基礎的讀者，以及正在進行線性代數課程學習的讀者閱讀。 |
目錄： 第1章 坐標與變換：高樓平地起
1.1？描述空間的工具：向量 2
1.2？基底構建一切，基底決定坐標 13
1.3？矩陣，讓向量動起來 18
1.4？矩陣乘向量的新視角：變換基底 27
第2章 空間與映射：矩陣的靈魂
2.1？矩陣：描述空間中的映射 34
2.2？追因溯源：逆矩陣和逆映射 42
2.3？向量空間和子空間 50
2.4？老樹開新花，道破方程組的解 55
第3章 近似與擬合：真相*近處
3.1？投影，尋找距離*近的向量 62
3.2？深入剖析*小二乘法的本質 69
3.3？施密特正交化：尋找*佳投影基 74
第4章 相似與特征：*佳觀察角
4.1？相似變換：不同的視角，同一個變換 80
4.2？對角化：尋找*簡明的相似矩陣 85
4.3？關鍵要素：特征向量與特征值 89
第5章 降維與壓縮：抓住主成分
5.1？*重要的矩陣：對稱矩陣 96
5.2？數據分布的度量 100
5.3？利用特征值分解（EVD）進行主成分分析（PCA） 103
5.4？*通用的利器：奇異值分解（SVD） 111
5.5？利用奇異值分解進行數據降維 116
第6章 實踐與應用：線代用起來
6.1？SVD在**系統中的應用 124
6.2？利用SVD進行彩色圖片壓縮 133
第7章 函數與復數域：概念的延伸
7.1？傅里葉級數：從向量的角度看函數 145
7.2？復數域中的向量和矩陣 151 |
| 序： |
