机器学习线性代数基础:Python语言描述
¥
8
1.6折
¥
49
八五品
仅1件
作者张雨萌
出版社北京大学出版社
出版时间2019-08
版次1
装帧其他
货号B1架3--3
上书时间2024-07-20
商品详情
- 品相描述:八五品
图书标准信息
-
作者
张雨萌
-
出版社
北京大学出版社
-
出版时间
2019-08
-
版次
1
-
ISBN
9787301306017
-
定价
49.00元
-
装帧
其他
-
开本
16开
-
纸张
胶版纸
-
页数
172页
-
字数
254千字
- 【内容简介】
-
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。
《机器学习线性代数基础:Python语言描述》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】
-
张雨萌,毕业于清华大学计算机系,长期从事人工智能领域相关研究工作。
- 【目录】
-
第1章 坐标与变换:高楼平地起
1.1描述空间的工具:向量 2
1.2基底构建一切,基底决定坐标 13
1.3矩阵,让向量动起来 18
1.4矩阵乘向量的新视角:变换基底 27
第2章 空间与映射:矩阵的灵魂
2.1矩阵:描述空间中的映射 34
2.2追因溯源:逆矩阵和逆映射 42
2.3向量空间和子空间 50
2.4老树开新花,道破方程组的解 55
第3章 近似与拟合:真相*近处
3.1投影,寻找距离*近的向量 62
3.2深入剖析*小二乘法的本质 69
3.3施密特正交化:寻找**投影基 74
第4章 相似与特征:**观察角
4.1相似变换:不同的视角,同一个变换 80
4.2对角化:寻找*简明的相似矩阵 85
4.3关键要素:特征向量与特征值 89
第5章 降维与压缩:抓住主成分
5.1*重要的矩阵:对称矩阵 96
5.2数据分布的度量 100
5.3利用特征值分解(EVD)进行主成分分析(PCA) 103
5.4更通用的利器:奇异值分解(SVD) 111
5.5利用奇异值分解进行数据降维 116
第6章 实践与应用:线代用起来
6.1SVD在推荐系统中的应用 124
6.2利用SVD进行彩色图片压缩 133
第7章 函数与复数域:概念的延伸
7.1傅里叶级数:从向量的角度看函数 145
7.2复数域中的向量和矩阵 151
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价