掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國(guó)政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥67.8
加入購(gòu)物車
數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ) 版權(quán)信息
- ISBN：9787115552884
- 條形碼：9787115552884 ; 978-7-115-55288-4
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>>
數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ) 本書特色
1.本書旨在為大數(shù)據(jù)與人工智能等提供一些基本的數(shù)學(xué)知識(shí)，不會(huì)也不可能涵蓋所有的數(shù)學(xué)知識(shí)2.各章對(duì)某些重要算法應(yīng)用提供案例及其Python演示代碼3.本書重點(diǎn)在于理解，理解每一個(gè)知識(shí)點(diǎn)是什么，目的是什么，用于做什么。如何用計(jì)算機(jī)去計(jì)算，如何用Python工具包去計(jì)算．
數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ) 內(nèi)容簡(jiǎn)介
數(shù)據(jù)科學(xué)是從單純的“大”數(shù)據(jù)提煉出“智慧”的數(shù)據(jù)，以供人們發(fā)現(xiàn)新知識(shí)并輔助決策的綜合交叉學(xué)科．本書簡(jiǎn)要闡述數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ)．全書共11章，內(nèi)容包括線性代數(shù)基礎(chǔ)、線性空間與線性變換、向量與矩陣范數(shù)、矩陣分解、概率統(tǒng)計(jì)基礎(chǔ)、隨機(jī)過(guò)程、很優(yōu)化基礎(chǔ)、線性規(guī)劃、常用無(wú)約束很優(yōu)化方法、常用約束很優(yōu)化方法以及綜合案例．除1章外，每章都有應(yīng)用實(shí)例與該章內(nèi)容緊密結(jié)合，以進(jìn)一步加強(qiáng)讀者對(duì)知識(shí)點(diǎn)的理解和掌握．所有的應(yīng)用實(shí)例和1章綜合案例的代碼都在Windows操作系統(tǒng)下利用Python 3.7編寫，并在交互式解釋器IDLE上調(diào)試通過(guò)． 本書可作為高等院校大數(shù)據(jù)、人工智能等相關(guān)專業(yè)的教材，也可供從事大數(shù)據(jù)、人工智能及相關(guān)領(lǐng)域教學(xué)、研究和應(yīng)用開發(fā)的人員參考．
數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ) 目錄
第1章 線性代數(shù)基礎(chǔ) 1
1．1 行列式 1
1．1．1 行列式的概念 1
1．1．2 行列式的性質(zhì) 4
1．1．3 行列式的計(jì)算 5
1．1．4 克拉默法則 6
1．2 矩陣 9
1．2．1 矩陣的概念 9
1．2．2 矩陣的運(yùn)算 11
1．2．3 逆矩陣 17
1．2．4 矩陣分塊 20
1．2．5 矩陣的初等變換 23
1．2．6 矩陣的秩 28
1．3 線性方程組 29
1．3．1 高斯消元法 30
1．3．2 向量組的線性相關(guān)性 33
1．3．3 向量組的秩 37
1．3．4 向量空間 40
1．3．5 線性方程組解的結(jié)構(gòu) 42
1．4 相似矩陣與二次型 45
1．4．1 正交矩陣 45
1．4．2 矩陣的特征值與特征向量 48
1．4．3 相似矩陣 51
1．4．4 二次型 52
1．5 應(yīng)用實(shí)例 61
1．5．1 Python簡(jiǎn)介 61
1．5．2 背景與問題 64
1．5．3 模型與求解 65
1．5．4 Python實(shí)現(xiàn) 67
習(xí)題1 71
第2章 線性空間與線性變換 72
2．1 線性空間 72
2．1．1 線性空間的概念 72
2．1．2 線性空間的基、維數(shù)及向量的坐標(biāo) 74
2．1．3 基變換與坐標(biāo)變換 78
2．2 線性子空間 80
2．2．1 子空間的概念 80
2．2．2 子空間的交、和與直和 82
2．3 線性變換 85
2．3．1 線性變換的概念及其性質(zhì) 86
2．3．2 線性變換的運(yùn)算 88
2．3．3 線性變換的矩陣 89
2．3．4 線性變換的對(duì)角化 91
2．3．5 線性變換的不變子空間 94
2．3．6 線性變換的若當(dāng)標(biāo)準(zhǔn)型 96
2．4 內(nèi)積空間 101
2．4．1 內(nèi)積空間的概念 102
2．4．2 向量的度量 103
2．4．3 標(biāo)準(zhǔn)正交基 104
2．4．4 子空間的正交補(bǔ)空間 107
2．5 應(yīng)用實(shí)例 108
2．5．1 背景與問題 108
2．5．2 模型與求解 109
2．5．3 Python實(shí)現(xiàn) 110
習(xí)題2 111
第3章 向量與矩陣范數(shù) 112
3．1 向量范數(shù) 112
3．1．1 向量范數(shù)的概念 112
3．1．2 向量范數(shù)的連續(xù)性和等價(jià)性 114
3．1．3 向量序列的收斂性 115
3．2 矩陣范數(shù) 116
3．2．1 矩陣范數(shù)的概念 116
3．2．2 矩陣的誘導(dǎo)范數(shù) 117
3．2．3 矩陣序列的收斂性 120
3．3 矩陣的譜半徑 122
3．4 應(yīng)用實(shí)例 125
3．4．1 向量范數(shù)的計(jì)算 125
3．4．2 矩陣范數(shù)的計(jì)算 126
習(xí)題3 127
第4章 矩陣分解 128
4．1 矩陣的滿秩分解 128
4．2 矩陣的LU分解 129
4．3 矩陣的舒爾分解 138
4．4 正規(guī)矩陣及其譜分解 140
4．5 矩陣的奇異值分解 145
4．5．1 求矛盾線性方程組的*小二乘解 149
4．5．2 求矩陣的值空間和零空間 151
4．6 應(yīng)用實(shí)例 152
4．6．1 背景與問題 152
4．6．2 模型與求解 152
4．6．3 Python實(shí)現(xiàn) 153
習(xí)題4 157
第5章 概率統(tǒng)計(jì)基礎(chǔ) 158
5．1 隨機(jī)事件和概率 158
5．1．1 隨機(jī)事件的概念 158
5．1．2 隨機(jī)事件的概率 160
5．1．3 條件概率 164
5．1．4 全概率公式和貝葉斯公式 165
5．1．5 事件的獨(dú)立性 166
5．2 隨機(jī)變量及其分布 168
5．2．1 隨機(jī)變量及其分布函數(shù) 168
5．2．2 離散型隨機(jī)變量及其分布律 169
5．2．3 連續(xù)型隨機(jī)變量及其概率密度 170
5．2．4 隨機(jī)變量的函數(shù)的分布 170
5．2．5 常用的隨機(jī)變量 171
5．3 多維隨機(jī)變量及其分布 173
5．3．1 n維隨機(jī)變量及其聯(lián)合分布 173
5．3．2 邊緣分布 175
5．3．3 條件分布 178
5．3．4 隨機(jī)變量的獨(dú)立性 179
5．3．5 n維隨機(jī)變量的函數(shù)的分布 180
5．4 隨機(jī)變量的數(shù)字特征 182
5．4．1 數(shù)學(xué)期望 182
5．4．2 方差 183
5．4．3 協(xié)方差與相關(guān)系數(shù) 184
5．4．4 矩和協(xié)方差矩陣 185
5．5 大數(shù)定律和中心極限定理 186
5．5．1 大數(shù)定律 186
5．5．2 中心極限定理 187
5．6 統(tǒng)計(jì)量與參數(shù)的點(diǎn)估計(jì) 188
5．6．1 統(tǒng)計(jì)量的概念 188
5．6．2 統(tǒng)計(jì)量的分布 190
5．6．3 參數(shù)的矩估計(jì)法 192
5．6．4 參數(shù)的*大似然估計(jì)法 193
5．6．5 估計(jì)量的評(píng)選標(biāo)準(zhǔn) 196
5．7 應(yīng)用實(shí)例 197
5．7．1 背景與問題 197
5．7．2 模型與求解 197
5．7．3 Python實(shí)現(xiàn) 199
習(xí)題5 202
第6章 隨機(jī)過(guò)程 203
6．1 隨機(jī)過(guò)程的概念 203
6．1．1 隨機(jī)過(guò)程的定義 203
6．1．2 隨機(jī)過(guò)程的分類 204
6．2 隨機(jī)過(guò)程的統(tǒng)計(jì)描述 205
6．2．1 隨機(jī)過(guò)程的分布函數(shù)族 205
6．2．2 隨機(jī)過(guò)程的數(shù)字特征 207
*6．2．3 多維隨機(jī)過(guò)程的聯(lián)合
分布和數(shù)字特征 210
6．3 泊松過(guò)程和維納過(guò)程 212
6．3．1 獨(dú)立增量過(guò)程 212
6．3．2 泊松過(guò)程 213
6．3．3 維納過(guò)程 215
6．4 馬爾可夫過(guò)程 216
6．4．1 馬爾可夫過(guò)程的概念 216
6．4．2 多步轉(zhuǎn)移概率的確定 221
6．4．3 遍歷性與極限分布 224
6．5 應(yīng)用實(shí)例 227
6．5．1 背景與問題 227
6．5．2 模型與求解 227
6．5．3 Python實(shí)現(xiàn) 228
習(xí)題6 229
第7章 *優(yōu)化基礎(chǔ) 230
7．1 多元函數(shù)分析 230
7．1．1 開集、閉集 230
7．1．2 梯度 231
7．1．3 方向?qū)?shù) 235
7．1．4 泰勒展開式 238
7．1．5 微積分中的*優(yōu)化方法 239
7．2 *優(yōu)化問題的基本概念 242
7．2．1 *優(yōu)化問題的數(shù)學(xué)模型 242
7．2．2 *優(yōu)化問題的解 242
7．2．3 *優(yōu)化問題的分類 243
7．3 *優(yōu)化問題的下降算法 244
7．3．1 可行點(diǎn)列的產(chǎn)生 244
7．3．2 算法的迭代步驟 245
7．3．3 算法的終止準(zhǔn)則 245
7．3．4 算法的收斂性 245
7．4 凸集與凸函數(shù) 246
7．4．1 凸集 246
7．4．2 凸函數(shù) 249
7．5 凸規(guī)劃 253
7．6 應(yīng)用實(shí)例 255
7．6．1 背景與問題 255
7．6．2 模型與求解 255
7．6．3 Python實(shí)現(xiàn) 256
習(xí)題7 257
第8章 線性規(guī)劃 258
8．1 線性規(guī)劃的基本概念和定理 258
8．1．1 線性規(guī)劃問題的標(biāo)準(zhǔn)形式 258
8．1．2 線性規(guī)劃問題的解 260
8．1．3 線性規(guī)劃的基本定理 262
8．2 線性規(guī)劃的單純形法 265
8．2．1 單純形法的基本思想 265
8．2．2 單純形表 273
8．2．3 大M法和兩階段法 277
8．3 線性規(guī)劃的對(duì)偶問題與
對(duì)偶單純形法 281
8．3．1 對(duì)偶問題的概念和關(guān)系 281
8．3．2 對(duì)偶理論 284
8．3．3 線性規(guī)劃的對(duì)偶單純形法 286
*8．4 靈敏度分析 289
8．4．1 價(jià)值系數(shù)的變化 289
8．4．2 資源限制系數(shù)的變化 291
8．5 應(yīng)用實(shí)例 292
8．5．1 背景與問題 292
8．5．2 模型與求解 292
8．5．3 Python實(shí)現(xiàn) 293
習(xí)題8 294
第9章 常用無(wú)約束*優(yōu)化方法 296
9．1 一維搜索的*優(yōu)化方法 296
9．1．1 *優(yōu)步長(zhǎng)的確定 296
9．1．2 搜索區(qū)間的確定 297
9．1．3 黃金分割法 299
9．1．4 拋物線插值法 301
9．1．5 對(duì)分法 304
9．2 *速下降法 305
9．2．1 *速下降法的基本原理 305
9．2．2 *速下降法的迭代步驟 306
9．3 牛頓法 308
9．3．1 牛頓法的基本原理 308
9．3．2 牛頓法的迭代步驟 309
9．3．3 修正牛頓法 310
9．3．4 擬牛頓法 310
9．4 共軛梯度法 315
9．4．1 共軛方向法 315
9．4．2 共軛梯度法 317
9．5 *小二乘法 319
9．5．1 線性*小二乘問題 319
9．5．2 非線性*小二乘問題 320
9．6 應(yīng)用實(shí)例 322
9．6．1 背景與問題 322
9．6．2 模型與求解 323
9．6．3 Python實(shí)現(xiàn) 324
習(xí)題9 326
第10章 常用約束*優(yōu)化方法 327
10．1 約束*優(yōu)化問題的*優(yōu)性條件 327
10．1．1 等式約束*優(yōu)化問題的
*優(yōu)性條件 328
10．1．2 一般約束*優(yōu)化問題的
*優(yōu)性條件 328
10．2 罰函數(shù)法與乘子法 331
10．2．1 外點(diǎn)罰函數(shù)法 331
10．2．2 內(nèi)點(diǎn)罰函數(shù)法 334
10．2．3 乘子法 336
10．3 應(yīng)用實(shí)例 342
10．3．1 背景與問題 342
10．3．2 模型與求解 342
10．3．3 Python實(shí)現(xiàn) 343
習(xí)題10 345
第11章 綜合案例 347
11．1 基于HMM的中文分詞 347
11．1．1 背景與問題 347
11．1．2 模型與求解 347
11．1．3 Python實(shí)現(xiàn) 351
11．2 協(xié)同過(guò)濾 357
11．2．1 背景與問題 357
11．2．2 模型與求解 357
11．2．3 Python實(shí)現(xiàn) 358
參考文獻(xiàn) 368
1．1 行列式 1
1．1．1 行列式的概念 1
1．1．2 行列式的性質(zhì) 4
1．1．3 行列式的計(jì)算 5
1．1．4 克拉默法則 6
1．2 矩陣 9
1．2．1 矩陣的概念 9
1．2．2 矩陣的運(yùn)算 11
1．2．3 逆矩陣 17
1．2．4 矩陣分塊 20
1．2．5 矩陣的初等變換 23
1．2．6 矩陣的秩 28
1．3 線性方程組 29
1．3．1 高斯消元法 30
1．3．2 向量組的線性相關(guān)性 33
1．3．3 向量組的秩 37
1．3．4 向量空間 40
1．3．5 線性方程組解的結(jié)構(gòu) 42
1．4 相似矩陣與二次型 45
1．4．1 正交矩陣 45
1．4．2 矩陣的特征值與特征向量 48
1．4．3 相似矩陣 51
1．4．4 二次型 52
1．5 應(yīng)用實(shí)例 61
1．5．1 Python簡(jiǎn)介 61
1．5．2 背景與問題 64
1．5．3 模型與求解 65
1．5．4 Python實(shí)現(xiàn) 67
習(xí)題1 71
第2章 線性空間與線性變換 72
2．1 線性空間 72
2．1．1 線性空間的概念 72
2．1．2 線性空間的基、維數(shù)及向量的坐標(biāo) 74
2．1．3 基變換與坐標(biāo)變換 78
2．2 線性子空間 80
2．2．1 子空間的概念 80
2．2．2 子空間的交、和與直和 82
2．3 線性變換 85
2．3．1 線性變換的概念及其性質(zhì) 86
2．3．2 線性變換的運(yùn)算 88
2．3．3 線性變換的矩陣 89
2．3．4 線性變換的對(duì)角化 91
2．3．5 線性變換的不變子空間 94
2．3．6 線性變換的若當(dāng)標(biāo)準(zhǔn)型 96
2．4 內(nèi)積空間 101
2．4．1 內(nèi)積空間的概念 102
2．4．2 向量的度量 103
2．4．3 標(biāo)準(zhǔn)正交基 104
2．4．4 子空間的正交補(bǔ)空間 107
2．5 應(yīng)用實(shí)例 108
2．5．1 背景與問題 108
2．5．2 模型與求解 109
2．5．3 Python實(shí)現(xiàn) 110
習(xí)題2 111
第3章 向量與矩陣范數(shù) 112
3．1 向量范數(shù) 112
3．1．1 向量范數(shù)的概念 112
3．1．2 向量范數(shù)的連續(xù)性和等價(jià)性 114
3．1．3 向量序列的收斂性 115
3．2 矩陣范數(shù) 116
3．2．1 矩陣范數(shù)的概念 116
3．2．2 矩陣的誘導(dǎo)范數(shù) 117
3．2．3 矩陣序列的收斂性 120
3．3 矩陣的譜半徑 122
3．4 應(yīng)用實(shí)例 125
3．4．1 向量范數(shù)的計(jì)算 125
3．4．2 矩陣范數(shù)的計(jì)算 126
習(xí)題3 127
第4章 矩陣分解 128
4．1 矩陣的滿秩分解 128
4．2 矩陣的LU分解 129
4．3 矩陣的舒爾分解 138
4．4 正規(guī)矩陣及其譜分解 140
4．5 矩陣的奇異值分解 145
4．5．1 求矛盾線性方程組的*小二乘解 149
4．5．2 求矩陣的值空間和零空間 151
4．6 應(yīng)用實(shí)例 152
4．6．1 背景與問題 152
4．6．2 模型與求解 152
4．6．3 Python實(shí)現(xiàn) 153
習(xí)題4 157
第5章 概率統(tǒng)計(jì)基礎(chǔ) 158
5．1 隨機(jī)事件和概率 158
5．1．1 隨機(jī)事件的概念 158
5．1．2 隨機(jī)事件的概率 160
5．1．3 條件概率 164
5．1．4 全概率公式和貝葉斯公式 165
5．1．5 事件的獨(dú)立性 166
5．2 隨機(jī)變量及其分布 168
5．2．1 隨機(jī)變量及其分布函數(shù) 168
5．2．2 離散型隨機(jī)變量及其分布律 169
5．2．3 連續(xù)型隨機(jī)變量及其概率密度 170
5．2．4 隨機(jī)變量的函數(shù)的分布 170
5．2．5 常用的隨機(jī)變量 171
5．3 多維隨機(jī)變量及其分布 173
5．3．1 n維隨機(jī)變量及其聯(lián)合分布 173
5．3．2 邊緣分布 175
5．3．3 條件分布 178
5．3．4 隨機(jī)變量的獨(dú)立性 179
5．3．5 n維隨機(jī)變量的函數(shù)的分布 180
5．4 隨機(jī)變量的數(shù)字特征 182
5．4．1 數(shù)學(xué)期望 182
5．4．2 方差 183
5．4．3 協(xié)方差與相關(guān)系數(shù) 184
5．4．4 矩和協(xié)方差矩陣 185
5．5 大數(shù)定律和中心極限定理 186
5．5．1 大數(shù)定律 186
5．5．2 中心極限定理 187
5．6 統(tǒng)計(jì)量與參數(shù)的點(diǎn)估計(jì) 188
5．6．1 統(tǒng)計(jì)量的概念 188
5．6．2 統(tǒng)計(jì)量的分布 190
5．6．3 參數(shù)的矩估計(jì)法 192
5．6．4 參數(shù)的*大似然估計(jì)法 193
5．6．5 估計(jì)量的評(píng)選標(biāo)準(zhǔn) 196
5．7 應(yīng)用實(shí)例 197
5．7．1 背景與問題 197
5．7．2 模型與求解 197
5．7．3 Python實(shí)現(xiàn) 199
習(xí)題5 202
第6章 隨機(jī)過(guò)程 203
6．1 隨機(jī)過(guò)程的概念 203
6．1．1 隨機(jī)過(guò)程的定義 203
6．1．2 隨機(jī)過(guò)程的分類 204
6．2 隨機(jī)過(guò)程的統(tǒng)計(jì)描述 205
6．2．1 隨機(jī)過(guò)程的分布函數(shù)族 205
6．2．2 隨機(jī)過(guò)程的數(shù)字特征 207
*6．2．3 多維隨機(jī)過(guò)程的聯(lián)合
分布和數(shù)字特征 210
6．3 泊松過(guò)程和維納過(guò)程 212
6．3．1 獨(dú)立增量過(guò)程 212
6．3．2 泊松過(guò)程 213
6．3．3 維納過(guò)程 215
6．4 馬爾可夫過(guò)程 216
6．4．1 馬爾可夫過(guò)程的概念 216
6．4．2 多步轉(zhuǎn)移概率的確定 221
6．4．3 遍歷性與極限分布 224
6．5 應(yīng)用實(shí)例 227
6．5．1 背景與問題 227
6．5．2 模型與求解 227
6．5．3 Python實(shí)現(xiàn) 228
習(xí)題6 229
第7章 *優(yōu)化基礎(chǔ) 230
7．1 多元函數(shù)分析 230
7．1．1 開集、閉集 230
7．1．2 梯度 231
7．1．3 方向?qū)?shù) 235
7．1．4 泰勒展開式 238
7．1．5 微積分中的*優(yōu)化方法 239
7．2 *優(yōu)化問題的基本概念 242
7．2．1 *優(yōu)化問題的數(shù)學(xué)模型 242
7．2．2 *優(yōu)化問題的解 242
7．2．3 *優(yōu)化問題的分類 243
7．3 *優(yōu)化問題的下降算法 244
7．3．1 可行點(diǎn)列的產(chǎn)生 244
7．3．2 算法的迭代步驟 245
7．3．3 算法的終止準(zhǔn)則 245
7．3．4 算法的收斂性 245
7．4 凸集與凸函數(shù) 246
7．4．1 凸集 246
7．4．2 凸函數(shù) 249
7．5 凸規(guī)劃 253
7．6 應(yīng)用實(shí)例 255
7．6．1 背景與問題 255
7．6．2 模型與求解 255
7．6．3 Python實(shí)現(xiàn) 256
習(xí)題7 257
第8章 線性規(guī)劃 258
8．1 線性規(guī)劃的基本概念和定理 258
8．1．1 線性規(guī)劃問題的標(biāo)準(zhǔn)形式 258
8．1．2 線性規(guī)劃問題的解 260
8．1．3 線性規(guī)劃的基本定理 262
8．2 線性規(guī)劃的單純形法 265
8．2．1 單純形法的基本思想 265
8．2．2 單純形表 273
8．2．3 大M法和兩階段法 277
8．3 線性規(guī)劃的對(duì)偶問題與
對(duì)偶單純形法 281
8．3．1 對(duì)偶問題的概念和關(guān)系 281
8．3．2 對(duì)偶理論 284
8．3．3 線性規(guī)劃的對(duì)偶單純形法 286
*8．4 靈敏度分析 289
8．4．1 價(jià)值系數(shù)的變化 289
8．4．2 資源限制系數(shù)的變化 291
8．5 應(yīng)用實(shí)例 292
8．5．1 背景與問題 292
8．5．2 模型與求解 292
8．5．3 Python實(shí)現(xiàn) 293
習(xí)題8 294
第9章 常用無(wú)約束*優(yōu)化方法 296
9．1 一維搜索的*優(yōu)化方法 296
9．1．1 *優(yōu)步長(zhǎng)的確定 296
9．1．2 搜索區(qū)間的確定 297
9．1．3 黃金分割法 299
9．1．4 拋物線插值法 301
9．1．5 對(duì)分法 304
9．2 *速下降法 305
9．2．1 *速下降法的基本原理 305
9．2．2 *速下降法的迭代步驟 306
9．3 牛頓法 308
9．3．1 牛頓法的基本原理 308
9．3．2 牛頓法的迭代步驟 309
9．3．3 修正牛頓法 310
9．3．4 擬牛頓法 310
9．4 共軛梯度法 315
9．4．1 共軛方向法 315
9．4．2 共軛梯度法 317
9．5 *小二乘法 319
9．5．1 線性*小二乘問題 319
9．5．2 非線性*小二乘問題 320
9．6 應(yīng)用實(shí)例 322
9．6．1 背景與問題 322
9．6．2 模型與求解 323
9．6．3 Python實(shí)現(xiàn) 324
習(xí)題9 326
第10章 常用約束*優(yōu)化方法 327
10．1 約束*優(yōu)化問題的*優(yōu)性條件 327
10．1．1 等式約束*優(yōu)化問題的
*優(yōu)性條件 328
10．1．2 一般約束*優(yōu)化問題的
*優(yōu)性條件 328
10．2 罰函數(shù)法與乘子法 331
10．2．1 外點(diǎn)罰函數(shù)法 331
10．2．2 內(nèi)點(diǎn)罰函數(shù)法 334
10．2．3 乘子法 336
10．3 應(yīng)用實(shí)例 342
10．3．1 背景與問題 342
10．3．2 模型與求解 342
10．3．3 Python實(shí)現(xiàn) 343
習(xí)題10 345
第11章 綜合案例 347
11．1 基于HMM的中文分詞 347
11．1．1 背景與問題 347
11．1．2 模型與求解 347
11．1．3 Python實(shí)現(xiàn) 351
11．2 協(xié)同過(guò)濾 357
11．2．1 背景與問題 357
11．2．2 模型與求解 357
11．2．3 Python實(shí)現(xiàn) 358
參考文獻(xiàn) 368
展開全部
數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ) 作者簡(jiǎn)介
盧力，博士，華中科技大學(xué)軟件學(xué)院副教授。目前主要從事數(shù)字圖像處理與模式識(shí)別和數(shù)據(jù)科學(xué)等方向的研究工作。主持和參與多項(xiàng)科研項(xiàng)目和教學(xué)研究項(xiàng)目的研究；在國(guó)內(nèi)外重要學(xué)術(shù)期刊和會(huì)議上發(fā)表論文二十余篇；正式出版教材2部。主要承擔(dān)研究生“軟件數(shù)學(xué)”“數(shù)字圖像處理及應(yīng)用”，本科生“離散數(shù)學(xué)”“數(shù)學(xué)建模”等課程的教學(xué)任務(wù)。指導(dǎo)本科生參加美國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽，多次獲得一、二、三等獎(jiǎng)。
書友推薦
- >
有舍有得是人生
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
李白與唐代文化
- >
回憶愛瑪儂
- >
隨園食單
- >
龍榆生：詞曲概論/大家小書
- >
姑媽的寶刀
- >
我從未如此眷戀人間
本類暢銷
