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: |