编辑推荐
基于Python代码的机器学习算法入门教程，有趣、易懂、不枯燥的机器学习入门书，对话形式轻松理解，带你一本书掌握机器学习的基础数学。
内容简介
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中实用的数学基础知识。
其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，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。
作者简介
作者立石贤吾，SmartNews公司的机器学习工程师。从日本佐贺大学毕业后曾就职于数家开发公司，并于2014年入职LINE Fukuoka，在该公司于日本福冈市成立的数据分析和机器学习团队中，负责利用机器学习开发推荐系统、文本分类等产品，并担任团队负责人。2019年入职SmartNews公司，担任现职。 郑明智（译者） 智慧医疗工程师。主要研究方向为医疗与前沿ICT技术的结合及其应用，密切关注人工智能、5G、量子计算等领域。译有《松本行弘：编程语言的设计与实现》《深度学习基础与实践》《详解深度学习：基于TensorFlow和Keras学习RNN》。
章节目录
版权信息
前言
致谢
各章概要
出场人物介绍
第 1 章 开始二人之旅
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 数学与编程
第 2 章 学习回归——基于广告费预测点击量
2.1 设置问题
2.2 定义模型
2.3 最小二乘法
2.4 多项式回归
2.5 多重回归
2.6 随机梯度下降法
第 3 章 学习分类——基于图像大小进行分类
3.1 设置问题
3.2 内积
3.3 感知机
3.4 线性可分
3.5 逻辑回归
3.6 似然函数
3.7 对数似然函数
3.8 线性不可分
第 4 章 评估——评估已建立的模型
4.1 模型评估
4.2 交叉验证
4.3 正则化
4.4 学习曲线
第 5 章 实现——使用 Python 编程
5.1 使用Python 实现
5.2 回归
5.3 分类——感知机
5.4 分类——逻辑回归
5.5 正则化
5.6 后话
附录
A.1 求和符号、求积符号
A.2 微分
A.3 偏微分
A.4 复合函数
A.5 向量和矩阵
A.6 几何向量
A.7 指数与对数
A.8 Python 环境搭建
A.9 Python 基础知识
A.10 NumPy 基础知识
作者简介
看完了
白话机器学习的数学是2020年由人民邮电出版社出版,作者[日]立石贤吾。
得书感谢您对《白话机器学习的数学》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。
