返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • [正版] 机器学习数学基础 数学知识在机器学习算法中的应用体现书籍 机器学习的数学基础知识 Python实现数学计算
  • 正版图书!品质保证!默认发最新版本!收藏店铺可享优先发货!
    • 作者: 无著
    • 出版社: 电子工业出版社
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    友一个文化制品专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 无著
    • 出版社:电子工业出版社
    • ISBN:9784453098906
    • 版权提供:电子工业出版社

            铺公告

      为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。

    温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货)。

      关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。

     

     


    内容介绍

    编辑推荐

    从读者需求出发,精心提炼机器学习所需数学基础知识

    无门槛,通俗易懂,注重读者感受,既好学,又实用

    基于Python,从应用角度阐述数学在机器学习中的应用

    选用大量工程实践案例,打通数学基础与机器学习间的壁垒

    内容提要

    《机器学习数学基础》系统地阐述机器学习的数学基础知识,但并非大学数学教材的翻版,而是以机器学习算法为依据,选取数学知识,并从应用的角度阐述各种数学定义、定理等,侧重于讲清楚它们的应用和实现方法。所以,书中将使用开发者喜欢的编程语言(Python)来实现各种数学计算,并阐述数学知识在机器学习算法中的应用体现。

    《机器学习数学基础》从读者需求角度出发,非常适合作为开发者和学习者的参考用书,也可作为高校相关专业的教材。



    目录

    目录

    第1章  向量和向量空间 1

    1.1  向量 2

    1.1.1  描述向量 3

    1.1.2  向量的加法 10

    1.1.3  向量的数量乘法 12

    1.2  向量空间 14

    1.2.1  什么是向量空间 14

    1.2.2  线性组合 16

    1.2.3  线性无关 17

    1.2.4  子空间 23

    1.3  基和维数 25

    1.3.1  极大线性无关组 25

    1.3.2  基 26

    1.3.3  维数 32

    1.4  内积空间 34

    1.4.1  什么是内积空间 34

    1.4.2  点积和欧几里得空间 36

    1.5  距离和角度 38

    1.5.1  距离 38

    1.5.2  基于距离的分类 43

    1.5.3  范数和正则化 46

    1.5.4  角度 49

    1.6  非欧几何 51

    第2章  矩阵 54

    2.1  基础知识 55

    2.1.1  什么是矩阵 55

    2.1.2  初等变换 59

    2.1.3  矩阵加法 62

    2.1.4  数量乘法 63

    2.1.5  矩阵乘法 65

    2.2  线性映射 70

    2.2.1  理解什么是线性 70

    2.2.2  线性映射 72

    2.2.3  矩阵与线性映射 76

    2.2.4  齐次坐标系 79

    2.3  矩阵的逆和转置 85

    2.3.1  逆矩阵 85

    2.3.2  转置矩阵 89

    2.3.3  矩阵LU分解 91

    2.4  行列式 94

    2.4.1  计算方法和意义 94

    2.4.2  线性方程组 98

    2.5  矩阵的秩 102

    2.6  稀疏矩阵 107

    2.6.1  生成稀疏矩阵 107

    2.6.2  稀疏矩阵压缩 108

    2.7  图与矩阵 112

    2.7.1  图的基本概念 112

    2.7.2  邻接矩阵 114

    2.7.3  关联矩阵 119

    2.7.4  拉普拉斯矩阵 120

    第3章  特征值和特征向量 122

    3.1  基本概念 123

    3.1.1  定义 123

    3.1.2  矩阵的迹 127

    3.1.3  一般性质 128

    3.2  应用示例 129

    3.2.1  动力系统微分方程 129

    3.2.2  马尔科夫矩阵 131

    3.3  相似矩阵 135

    3.3.1  相似变换 137

    3.3.2  几何理解 141

    3.3.3  对角化 144

    3.4  正交和投影 150

    3.4.1  正交集和标准正交基 150

    3.4.2  正交矩阵 154

    3.4.3  再探对称矩阵 156

    3.4.4  投影 159

    3.5  矩阵分解 163

    3.5.1  QR分解 163

    3.5.2  特征分解 167

    3.5.3  奇异值分解 172

    3.5.4  数据压缩 178

    3.5.5  降噪 182

    3.6  *小二乘法(1) 184

    3.6.1  正规方程 184

    3.6.2  线性回归(1) 186

    第4章  向量分析 191

    4.1  向量的代数运算 192

    4.1.1  叉积 192

    4.1.2  张量和外积 196

    4.2  向量微分 199

    4.2.1  函数及其导数 199

    4.2.2  偏导数 201

    4.2.3  梯度 206

    4.2.4  矩阵导数 211

    4.3  *优化方法 215

    4.3.1  简单的线性规划 215

    4.3.2  *小二乘法(2) 218

    4.3.3  梯度下降法 221

    4.3.4  线性回归(2) 226

    4.3.5  牛顿法 228

    4.4  反向传播算法 229

    4.4.1  神经网络 230

    4.4.2  参数学习 234

    4.4.3  损失函数 248

    4.4.4  激活函数 253

    4.4.5  理论推导 258

    第5章  概率 263

    5.1  基本概念 264

    5.1.1  试验和事件 264

    5.1.2  理解概率 266

    5.1.3  条件概率 269

    5.2  贝叶斯定理 272

    5.2.1  事件的独立性 273

    5.2.2  全概率公式 274

    5.2.3  理解贝叶斯定理 276

    5.3  随机变量和概率分布 279

    5.3.1  随机变量 279

    5.3.2  离散型随机变量的分布 281

    5.3.3  连续型随机变量的分布 295

    5.3.4  多维随机变量及分布 307

    5.3.5  条件概率分布 312

    5.4  随机变量的和 317

    5.4.1  离散型随机变量的和 317

    5.4.2  连续型随机变量的和 318

    5.5  随机变量的数字特征 321

    5.5.1  数学期望 321

    5.5.2  方差和协方差 326

    5.5.3  计算相似度 337

    5.5.4  协方差矩阵 343

    第6章  数理统计 346

    6.1  样本和抽样 347

    6.1.1  总体和样本 347

    6.1.2  统计量 348

    6.2  点估计 353

    6.2.1  *大似然估计 354

    6.2.2  线性回归(3) 358

    6.2.3  *大后验估计 362

    6.2.4  估计的选择标准 365

    6.3  区间估计 368

    6.4  参数检验 373

    6.4.1  基本概念 374

    6.4.2  正态总体均值的假设检验 378

    6.4.3  正态总体方差的假设检验 384

    6.4.4  p值检验 385

    6.4.5  用假设检验比较模型 388

    6.5  非参数检验 391

    6.5.1  拟合优度检验 391

    6.5.2  列联表检验 394

    第7章  信息与熵 399

    7.1  度量信息 399

    7.2  信息熵 402

    7.3  联合熵和条件熵 406

    7.4  相对熵和交叉熵 409

    7.5  互信息 414

    7.6  连续分布 416

    附录 419

    后记 436



    作者介绍

    作者简介

    齐伟,江湖名号老齐,已在代码世界耕耘多年,并先后出版了《跟老齐学Python:轻松入门》《跟老齐学Python:Django实战》《跟老齐学Python:数据分析》《Python大学实用教程》《数据准备和特征工程》等图书。


    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购