您好,欢迎来到聚文网。 登录 免费注册
机器学习线性代数基础:Python语言描述

机器学习线性代数基础:Python语言描述

  • 字数: 254
  • 出版社: 北京大学
  • 作者: 张雨萌
  • 商品条码: 9787301306017
  • 版次: 1
  • 开本: 16开
  • 页数: 160
  • 出版年份: 2019
  • 印次: 1
定价:¥49 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
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:真相最近处 3.1?投影,寻找距离最近的向量 62 3.2?深入剖析最小二乘法的本质 69 3.3?施密特正交化:寻找最佳投影基 74  第4章 相似与特征:最佳观察角 4.1?相似变换:不同的视角,同一个变换 80 4.2?对角化:寻找最简明的相似矩阵 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?最重要的矩阵: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 6.1?SVD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

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网