中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習線性代數基礎:PYTHON語言描述 版權信息
- ISBN：9787301306017
- 條形碼：9787301306017 ; 978-7-301-30601-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習線性代數基礎:PYTHON語言描述 本書特色
數學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。
機器學習線性代數基礎:PYTHON語言描述 內容簡介
數學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。
機器學習線性代數基礎:PYTHON語言描述 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**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更通用的利器：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
6.1SVD在推薦系統中的應用 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
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**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更通用的利器：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
6.1SVD在推薦系統中的應用 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
展開全部
機器學習線性代數基礎:PYTHON語言描述 作者簡介
張雨萌，畢業于清華大學計算機系，長期從事人工智能領域相關研究工作。
書友推薦
- >
我從未如此眷戀人間
- >
李白與唐代文化
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
【精裝繪本】畫給孩子的中國神話
- >
朝聞道
- >
山海經
- >
羅曼·羅蘭讀書隨筆-精裝
- >
詩經-先民的歌唱
本類暢銷
