《机器学习数学基础》

本仓库为《机器学习数学基础》一书中的源码。

《机器学习数学基础》由电子工业出版社出版。

《机器学习数学基础》目录：

• 前言
• 第1 章向量和向量空间
  • 1.1 向量
  • 1.2 向量空间
  • 1.3 基和维数
  • 1.4 内积空间
  • 1.5 距离和角
  • 1.6 非欧几何
• 第2章 矩阵
  • 2.1 基础知识
  • 2.2 线性映射
  • 2.3 矩阵的逆和转置
  • 2.4 行列式
  • 2.5 矩阵的秩
  • 2.6 稀疏矩阵
  • 2.7 图与矩阵
• 第3章 特征值和特征向量
  • 3.1 基本概念
  • 3.2 应用示例
  • 3.3 相似矩阵
  • 3.4 正交和投影
  • 3.5 矩阵分解
  • 3.6 最小二乘法（1）
• 第4章 向量分析
  • 4.1 向量的代数运算
  • 4.2 向量微分
  • 4.3 最优化方法
  • 4.4 反向传播算法
• 第5章 概率
  • 5.1 基本概念
  • 5.2 贝叶斯定理
  • 5.3 随机变量和概率分布
  • 5.4 随机变量的和
  • 5.5 随机变量的数字特征
• 第6章 数理统计
  • 6.1 样本和抽样
  • 6.2 点估计
  • 6.3 区间估计
  • 6.4 参数检验
  • 6.5 非参数检验
• 第7章 信息与熵
  • 7.1 度量信息
  • 7.2 信息熵
  • 7.3 联合熵和条件熵
  • 7.4 相对熵和交叉熵
  • 7.5 互信息
  • 7.6 连续分布
• 后记

支持网站

网站地址：http://lqlab.readthedocs.io/

提供了针对本书的扩展资料以及其他有关学习内容、部分章节选读等。

勘误和修改

网页地址：http://lqlab.readthedocs.io/en/latest/math4ML/corrigendum.html

视频课程

视频课程与本书配套，有试听部分，请访问：https://ke.qq.com/course/5556479#term_id=105748678