机器学习的数学
7推荐 收藏
3.5K阅读
图灵程序设计丛书

机器学习的数学

正在编辑
本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话,结合回归和分类的具体问题,逐步讲解了机器学习相关的数学基础知识。其中,重点讲解了学习机器学习时容易成为绊脚石的数学公式和符号。同时,本书还通过实际的Python编程讲解了数学公式的应用,进而加深读者对相关数学知识的理解。

收藏本书能做什么?

有情况的时候会收到通知,比如电子书发布等。

出版信息

同系列书

  • HTTP权威指南

    David Gourley   Brian Totty   Marjorie Sayer   Sailu Reddy   Anshu Aggarwal   陈涓   赵振平   译

    本书是HTTP及其相关核心Web技术方面的权威著作,主要介绍了Web应用程序是如何工作的,核心的因特网协议如何...

  • JavaScript高级程序设计(第3版)

    Nicholas C.Zakas   李松峰   曹力   译

    本书是JavaScript超级畅销书的新版。ECMAScript 5 和HTML5在标准之争中双双胜出,使大量...

  • 计算机科学的基础

    Al Aho   Jeff Ullman   傅尔也   译

    本书全面而详细地阐述了计算机科学的理论基础,从抽象概念的机械化到各种数据模型的建立,用算法、数据抽象等核心思想...

  • Java技术手册(第6版)

    Benjamin J Evans   David Flanagan   安道   译

    通过学习本书,你将能够: 掌握最新的语言细节,包括Java 8的变化 使用基本的Java句法学习面向对...

  • 机器学习实战

    Peter Harrington   李锐   李鹏   曲亚东   王斌   译

    机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或...

本书特色

本书适合对机器学习感兴趣、想要从事机器学习相关研究,但是无法理解机器学习相关数学公式的读者阅读。

目录

正在加工……

大家也喜欢

  • 算法交易员:会赚钱的人工智能

    权容禛   何佩佩   译

    本书生动讲述了华尔街宽客及其运用量化交易技术驰骋于投资领域的故事,同时介绍了人工智能在投资领域的发展。全书分为...

  • 深度学习基础与实践

    Josh Patterson   Adam Gibson   郑明智   译

    本书是由两位技术出身的企业管理者编写的深度学习普及书。本书的前四章提供了足够的关于深度学习的理论知识,包括机器...

  • 计算机程序设计艺术 卷4A:组合算法(一)

    高德纳   李伯民   贾洪峰   译

    《计算机程序设计艺术》系列被公认为计算机科学领域的权威之作,深入阐述了程序设计理论,对计算机领域的发展有着极为...

  • Python数据科学与机器学习:从入门到实践

    【美】弗兰克•凯恩(Frank Kane)   陈光欣   译

    本书介绍了使用Python进行数据分析和高效的机器学习,首先从一节Python速成课开始,然后回顾统计学和概率...

  • 特征工程入门与实践

    Sinan Ozdemir   Divya Susarla   庄嘉盛   译

    本书将带你了解特征工程的完整过程,使机器学习更加系统、高效。你会从理解数据开始学习,机器学习模型的成功正是取决...

  • 【各章概要】
    ● Chapter1 二人之旅的起点
    概括性地说明机器学习为什么越来越受人们的关注,以及使用机器学习都能做到哪些事。另外,还简单说明了回归、分类、聚类等算法。
    1.1 对机器学习的兴趣
    1.2 机器学习的重要性
    1.3 机器学习的算法
    1.4 数学和编程

    ● Chapter2 学习回归算法 ~ 根据广告费预估点击量
    以“根据在广告上投入的费用预估点击量”为题材,学习回归算法。首先通过简单示例来思考要想进行预估需要导入哪些式子,然后思考如何才能与想要得到的结果更为接近。
    2.1 问题设定
    2.2 模型定义
    2.3 最小二乘法
    2.3.1 最速下降法
    2.4 多项式回归
    2.5 多元回归
    2.6 随机梯度下降法

    ● Chapter3 学习分类算法 ~ 基于图片尺寸的分类
    以“根据图片尺寸,按图片的长和宽进行分类”为题材,学习分类算法。与Chapter 2一样,先思考要想进行分类需要导入哪些式子,然后思考如何才能与想要得到的结果更为接近。
    3.1 问题设定
    3.2 内积
    3.3 感知机
    3.3.1 准备学习数据
    3.3.2 权重向量的更新公式
    3.4 线性可分
    3.5 逻辑回归
    3.5.1 Sigmoid函数
    3.5.2 分界线
    3.6 似然函数
    3.7 对数似然函数
    3.7.1 似然函数的微分
    3.8 线性不可分

    ● Chapter4 进行评估 ~ 评价建好的模型

    Chapter 4将确认Chapter 2和Chapter 3中思考的模型的精度。具体将学习如何评价模型,以及评价时使用哪些指标。
    4.1 模型评价
    4.2 交叉验证
    4.3 正则化
    4.4 学习曲线

    ● Chapter5 实现 ~ Python编程
    Chapter 5将根据从Chapter 2到Chapter 4学到的内容,使用Python实际进行编程。通过实践,我们将更加理解之前所讲解的那些数学公式。
    ※使用Python 3
    5.1 用Python来实现吧
    5.2 回归
    5.3 分类(感知机)
    5.4 分类(逻辑回归)
    5.5 正则化

    Appendix
    Appendix收录了正文五章中没有收录的数学公式和编程解说,供有需要的人参考。
    求和符号・求积符号/微分/偏微分/符合函数/向量和行列/几何向量/指数・对数/Python环境构建/Python的基础知识/NumPy的基础知识
    置顶 高宇涵  发表于 2018-04-04 09:46:29
    推荐
  • 申请翻译
    CT  发表于 2018-09-18 13:06:35
    推荐
  • 申请翻译,数据分析专业,日语翻译三级,N2
    CT  发表于 2018-09-18 13:09:44
    推荐
  • 申请试译
    小小小天文  发表于 2018-12-21 21:13:11
    推荐
  • 对这本书也很期待
    loveliufudan  发表于 2019-03-15 08:21:14
    推荐
  • 会有电子版吗
    sayluca  发表于 2019-09-17 13:13:17
    推荐