掃一掃
關(guān)注中圖網(wǎng)
官方微博
機(jī)器學(xué)習(xí)線性代數(shù)基礎(chǔ):PYTHON語言描述 版權(quán)信息
- ISBN：9787301306017
- 條形碼：9787301306017 ; 978-7-301-30601-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機(jī)器學(xué)習(xí)線性代數(shù)基礎(chǔ):PYTHON語言描述 本書特色
數(shù)學(xué)是機(jī)器學(xué)習(xí)繞不開的基礎(chǔ)知識，傳統(tǒng)教材的風(fēng)格偏重理論定義和運算技巧，想以此高效地打下機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)，針對性和可讀性并不佳。本書以機(jī)器學(xué)習(xí)涉及的線性代數(shù)核心知識為重點，進(jìn)行新的嘗試和突破：從坐標(biāo)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(huán)環(huán)相扣地展開線性代數(shù)與機(jī)器學(xué)習(xí)算法緊密結(jié)合的核心內(nèi)容，并分析推薦系統(tǒng)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(shù)的應(yīng)用領(lǐng)域向函數(shù)空間和復(fù)數(shù)域中進(jìn)行拓展與延伸；同時極力避免數(shù)學(xué)的晦澀枯燥，充分挖掘線性代數(shù)的幾何內(nèi)涵，并以Python語言為工具進(jìn)行數(shù)學(xué)思想和解決方案的有效實踐。
《機(jī)器學(xué)習(xí)線性代數(shù)基礎(chǔ)：Python語言描述》適合實踐于數(shù)據(jù)分析、信號處理等工程領(lǐng)域的讀者，也適合在人工智能、機(jī)器學(xué)習(xí)領(lǐng)域進(jìn)行理論學(xué)習(xí)和實踐，希望筑牢數(shù)學(xué)基礎(chǔ)的讀者，以及正在進(jìn)行線性代數(shù)課程學(xué)習(xí)的讀者閱讀。
機(jī)器學(xué)習(xí)線性代數(shù)基礎(chǔ):PYTHON語言描述 內(nèi)容簡介
數(shù)學(xué)是機(jī)器學(xué)習(xí)繞不開的基礎(chǔ)知識，傳統(tǒng)教材的風(fēng)格偏重理論定義和運算技巧，想以此高效地打下機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)，針對性和可讀性并不佳。本書以機(jī)器學(xué)習(xí)涉及的線性代數(shù)核心知識為重點，進(jìn)行新的嘗試和突破：從坐標(biāo)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(huán)環(huán)相扣地展開線性代數(shù)與機(jī)器學(xué)習(xí)算法緊密結(jié)合的核心內(nèi)容，并分析推薦系統(tǒng)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(shù)的應(yīng)用領(lǐng)域向函數(shù)空間和復(fù)數(shù)域中進(jìn)行拓展與延伸；同時極力避免數(shù)學(xué)的晦澀枯燥，充分挖掘線性代數(shù)的幾何內(nèi)涵，并以Python語言為工具進(jìn)行數(shù)學(xué)思想和解決方案的有效實踐。 《機(jī)器學(xué)習(xí)線性代數(shù)基礎(chǔ)：Python語言描述》適合實踐于數(shù)據(jù)分析、信號處理等工程領(lǐng)域的讀者，也適合在人工智能、機(jī)器學(xué)習(xí)領(lǐng)域進(jìn)行理論學(xué)習(xí)和實踐，希望筑牢數(shù)學(xué)基礎(chǔ)的讀者，以及正在進(jìn)行線性代數(shù)課程學(xué)習(xí)的讀者閱讀。
機(jī)器學(xué)習(xí)線性代數(shù)基礎(chǔ):PYTHON語言描述 目錄
第1章 坐標(biāo)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(gòu)建一切，基底決定坐標(biāo) 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(zhì) 69
3.3施密特正交化：尋找**投影基 74
第4章 相似與特征：**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(guān)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(shù)據(jù)分布的度量 100
5.3利用特征值分解（EVD）進(jìn)行主成分分析（PCA） 103
5.4更通用的利器：奇異值分解（SVD） 111
5.5利用奇異值分解進(jìn)行數(shù)據(jù)降維 116
第6章 實踐與應(yīng)用：線代用起來
6.1SVD在推薦系統(tǒng)中的應(yīng)用 124
6.2利用SVD進(jìn)行彩色圖片壓縮 133
第7章 函數(shù)與復(fù)數(shù)域：概念的延伸
7.1傅里葉級數(shù)：從向量的角度看函數(shù) 145
7.2復(fù)數(shù)域中的向量和矩陣 151
1.1描述空間的工具：向量 2
1.2基底構(gòu)建一切，基底決定坐標(biāo) 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(zhì) 69
3.3施密特正交化：尋找**投影基 74
第4章 相似與特征：**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(guān)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(shù)據(jù)分布的度量 100
5.3利用特征值分解（EVD）進(jìn)行主成分分析（PCA） 103
5.4更通用的利器：奇異值分解（SVD） 111
5.5利用奇異值分解進(jìn)行數(shù)據(jù)降維 116
第6章 實踐與應(yīng)用：線代用起來
6.1SVD在推薦系統(tǒng)中的應(yīng)用 124
6.2利用SVD進(jìn)行彩色圖片壓縮 133
第7章 函數(shù)與復(fù)數(shù)域：概念的延伸
7.1傅里葉級數(shù)：從向量的角度看函數(shù) 145
7.2復(fù)數(shù)域中的向量和矩陣 151
展開全部
機(jī)器學(xué)習(xí)線性代數(shù)基礎(chǔ):PYTHON語言描述 作者簡介
張雨萌，畢業(yè)于清華大學(xué)計算機(jī)系，長期從事人工智能領(lǐng)域相關(guān)研究工作。
書友推薦
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
詩經(jīng)-先民的歌唱
- >
自卑與超越
- >
羅庸西南聯(lián)大授課錄
- >
李白與唐代文化
- >
煙與鏡
- >
隨園食單
- >
史學(xué)評論
本類暢銷
