417頁《機器學習中的數學》免費開放下載!| 好書分享
- 2020 年 11 月 11 日
- AI
作者 | 陳大鑫
近些年來,機器學習領域取得了巨大的發展,它成功應用的範圍也越來越令人印象深刻。
然而,機器學習不等同於深度學習(深度神經網路),要學好機器學習並不容易。
工欲善其事必先利其器,對機器學習而言,這把利器無疑就是數學。
AI科技評論今天給大家介紹一本今年由劍橋大學出版社出版的一本新書:《Mathematics for machine learing》~
本書涵蓋了機器學習中的絕大多數基本數學概念。
具體而言,這本書涵蓋了支撐現代機器學習的關鍵數學概念,特別是線性代數,微積分和概率論。
本書不僅對機器學習領域的新手有幫助,而且對機器學習的研究人員和工程師也具有參考價值。
作者將本書分為兩部分:
-
數學基礎
-
機器學習核心問題
目錄
第一部分:數學基礎 | 第二部分:機器學習核心問題 |
1、介紹與動機 | 8、當模型遇上數據 |
2、線性代數 | 9、線性回歸 |
3、解析幾何 | 10、用主成分分析進行降維 |
4、矩陣分解 | 11、高斯混合模型的密度估計 |
5、向量微積分 | 12、支援向量機分類 |
6、概率分布 | |
7、持續優化 |
下圖展示了本書的結構:
以下是本書的一些思維導圖:
另外,本書的插圖真正做到的通俗易懂且美觀,以下舉幾個例子~
1、向量乘法操作可視化:
2、隨機變數的幾何結構可視化。如果隨機變數X和Y不相關,則它們是相應向量空間中的正交向量,畢達哥拉斯定理適用:
3、梯度下降和凸優化:
更多精彩內容請閱讀原書~
最後附上本書的網址和免費下載地址。
書籍網站地址://mml-book.github.io/
書籍免費下載地址:
//mml-book.github.io/book/mml-book.pdf