描述
《机器学习数学》是由Marc Peter Deisenroth、A. Aldo Faisal和Cheng Soon Ong合著的一本综合性书籍，2020年由剑桥大学出版社出版。这本书作为对机器学习感兴趣的个人的基础资源，专注于支撑该领域的数学原理。它分为两个部分：数学基础和中央机器学习问题。
阅读更多
第一部分涵盖了线性代数、解析几何、矩阵分解、向量微积分、概率与分布以及连续优化等基本主题。这些主题为理解机器学习算法提供了必要的基础。
书的第二部分深入探讨了特定的机器学习问题，包括线性回归、主成分分析的降维、使用高斯混合模型的密度估计以及支持向量机的分类。该书旨在简明扼要地提供机器学习所需的数学概念的清晰易懂的介绍。
《机器学习数学》以PDF格式提供，附有教程和练习等额外资源，以增强学习效果。该书受到领域内专家的高度推荐，包括来自麦吉尔大学和Facebook的Joelle Pineau、来自微软研究剑桥的Christopher Bishop，以及来自加州大学伯克利分校的Pieter Abbeel。它适合机器学习的新手以及寻求参考文本的研究人员和工程师。
- 类别教育与研究
图书信息
机器学习的数学基础
线性代数和解析几何
矩阵分解和向量微积分
概率与分布
连续优化技术
机器学习算法解释
线性回归和主成分分析
高斯混合模型和支持向量机
适合的读者
- 教育资源
- 参考文本
- 技能发展
- 教程
- 算法理解
