


数学 是 机器学习 绕不开的基础知识,传统 教材 的风格偏重理论定义和运算 技巧 ,想以此高效地打下机器学习的数学基础,针对性和可读性并不佳。本书以机器学习涉及的线性代数核心知识为重点,进行新的尝试和突破:从坐标与变换、 空间 与映射、近似与拟合、相似与特征、降维与压缩这5个维度,环环相扣地展开线性代数与机器学习 算法 紧密结合的核心内容,并分析推荐系统和图像压缩两个实践 案例 ,在介绍完核心概念后,还将线性代数的应用领域向函数空间和复数域中进行拓展与延伸;同时极力避免数学的晦涩枯燥,充分挖掘线性代数的 几何 内涵,并以Python语言为工具进行数学 思想 和解决方案的有效实践。
本书适合实践于 数据 分析、信号处理等 工程 领域的读者,也适合在 人工智能 、机器学习领域进行理论学习和实践, 希望 筑牢数学基础的读者,以及正在进行线性代数课程学习的读者 阅读 。
作者简介:
评论列表
发表评论