社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

机器学习中的数学

机器学习算法与Python实战 • 9 月前 • 304 次点击  

大家好,我是章北海

我正在撰写《机器学习算法与Python实战》专栏,分为基础篇、数学篇、模型篇、实战篇。

最近我把数学篇的三章内容整理了一下,做成了这个116页的PDF小册子。

小册子一共三个章节,介绍了机器学习中的概率论、统计学、线性代数知识点,以下是章节简介及内容大纲:

《机器学习中的概率论》

概率论知识在机器学习中十分重要,但是学习起来却有些困难。难点是:不知道需要学多少,学多深。经典如斯坦福大学CS 229 机器学习课程的概率论预备知识要求非常广泛,而Coursera上有一门《机器学习概率与统计》课程,讲的事无巨细,学完需要23个小时。《机器学习中的概率论》这一章,我参考2023年斯坦福大学CS229课程中的概率论预备知识,不过简,也不过繁,尽可能把机器学习所需的概率知识介绍完整,并附带代码示例

《机器学习中的统计学》

机器学习基于统计的框架,因为机器学习涉及数据,而数据必须基于统计学框架来进行描述。李航老师的经典机器学习教材第一版名字就叫《统计学习方法》,可见机器学习与统计学的关系多紧密。统计学有着庞大的知识体系,绝大部分对理解机器学习相关概念毫无益处,反而会让人更加迷惑。《机器学习中的统计学》一章,我仅介绍与机器学习强关联的统计学知识点,配以代码辅助理解。

《机器学习中的线性代数》

无论怎么形容线性代数在机器学习中的重要性都不为过,尤其是矩阵的运算,能够有效地处理高维数据、提取特征、优化模型参数,并实现复杂的数据变换和预测任务。《机器学习中的线性代数》这一章,我重点参考了斯坦福大学CS229中对线性代数的备用知识框架的理论部分,还参考了《The Art of Linear Algebra》中对麻省理工大学Gilbert Strang教授经典线代教材《Linear Algebra for Everyone》中矩阵的可视化理解,另外添加了诸多Python代码辅助理解重点概念。

116页PDF小册子,售价29元,获取方式:

加我微信,发29元红包🧧即可


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/174652
 
304 次点击