机器学习的数学基础_记录.docxVIP

《机器学习的数学基础》读书笔记

目录

内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1机器学习概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.2数学基础的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.3读书目的与安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

线性代数基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.1向量与矩阵．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.2线性方程组．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

2.3特征值与特征向量．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

2.4向量空间与线性变换．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

概率论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

3.1随机事件与概率．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

3.2条件概率与独立性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

3.3贝叶斯定理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

3.4大数定律与中心极限定理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

统计学基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

4.1随机变量与概率分布．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

4.2参数估计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

4.3假设检验．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

4.4线性回归分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

最优化理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

5.1最优化问题概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

5.2无约束优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

5.3约束优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

5.4梯度下降法与牛顿法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

函数分析与微分方程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

6.1函数与极限．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

6.2微分与积分．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

6.3多元函数微分法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

6.4偏微分方程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

机器学习中的数学工具．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

7.1拉格朗日乘数法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

7.2随机梯度下降．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

7.3主成分分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

7.4神经网络中的数学原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

案例分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

8.1机器学习案例介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

8.2案例分析与数学模型构建．．．．．．．．．．．．．．．．．．．．．．．．．．．