编辑推荐
本书详细、清晰地解读机器学习中常用的数学知识。
内容简介
全书共22章，主要讲解了数据可视化、math模块、sympy模块、numpy模块、方程式、函数、最小平方法、集合、概率、贝叶斯定理、指数、对数、欧拉数、逻辑函数、三角函数、大型运算符、向量、矩阵与线性回归等数学知识。
本书语言简明，案例丰富，实用性强，适合有志于机器学习领域的研究者和爱好者、海量数据挖掘与分析人员、金融智能化从业人员阅读，也适合作为高等院校机器学习相关专业的教材。
作者简介
作者洪锦魁，中国台湾计算机专家，IT图书知名作者。
章节目录
版权信息
作者简介
内容简介
前言
第1章 数据可视化
第2章 数学模块math和sympy
第3章 机器学习基本概念
第4章 机器学习的基础数学
第5章 认识方程式、函数、坐标图形
第6章 从联立方程式看机器学习的数学模型
第7章 从勾股定理看机器学习
第8章 联立不等式与机器学习
第9章 机器学习需要知道的二次函数
第10章 机器学习的最小平方法
第11章 机器学习必须懂的集合
第12章 机器学习必须懂的排列与组合
第13章 机器学习需要认识的概率
第14章 二项式定理
第15章 指数概念与指数函数
第16章 对数
第17章 欧拉数与逻辑函数
第18章 三角函数
第19章 从基础统计了解大型运算符
第20章 机器学习的向量
第21章 机器学习的矩阵
第22章 向量、矩阵与多元线性回归
机器学习数学基础一本通（Python版）是2021年由清华大学出版社出版,作者洪锦魁。
得书感谢您对《机器学习数学基础一本通（Python版）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
