机读格式显示(MARC)

• 000 01750nam0 2200241 450

• 001 0000170866

• 005 20210502221500.0

• 010 __ |a 978-7-301-30601-7 |d CNY49.00

• 100 __ |a 20190820d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a y z 000yy

• 106 __ |a r

• 200 1_ |a 机器学习线性代数基础 |A ji qi xue xi xian xing dai shu ji chu |f 张雨萌编著

• 210 __ |a 北京 |c 北京大学出版社 |d 2019.8

• 215 __ |a 172页 |d 26cm

• 330 __ |a 本书重点讲解机器学习所涉及到的线性代数核心内容, 为读者扎实、高效地搭建起后续攀爬机器学习领域的数学阶梯, 全书内容分为六大部分, 包括: 第一部分, 坐标与变换: 高楼平地起。从空间坐标表示与线性变换入手, 快速建立线性代数直观感受, 理解向量和矩阵运算的几何本质; 第二部分, 空间与映射: 矩阵的灵魂; 围绕线性代数的概念基石---空间, 详细阐述空间中映射和变换的本质, 深入剖析矩阵在其中的灵魂作用; 第三部分, 近似与拟合: 真相最近处; 展现线性代数在近似与拟合中的理论基础, 并讲述了最小二乘法的实际应用; 第四部分, 相似与特征: 最佳观察角; 重点分析矩阵的相似性以及特征的提取方法, 打好数据降维的理论基础; 第五部分, 特征与降维: 抓住主成分; 作为全书知识脉络的交汇, 讲解如何对数据进行降维和特征分析, 深入剖析矩阵分析的核心内容: 特征值分解和奇异值分解; 第六部分, 实践与应用; 展现线性代数在图像压缩、推荐系统和隐含语义分析中的实际应用。 本书的特色: 第一, 避免纸上谈兵, 全书以Python语言作为工具进行概念和方法的有效实践, 无缝对接机器学习工程应用, 可操作性强; 第二, 避免生硬枯燥, 务求结合线性代数的几何意义进行重点概念的剖析和演绎, 强化逻辑性和可读性; 第三, 避免大水漫灌, 以机器学习所急需的线性代数内容为立足点, 精确研究, 提高效率。

• 333 __ |a 大众读者

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 张雨萌 |A zhang yu meng |4 编著

• 801 _0 |a CN |b 湖北三新 |c 20190820

• 905 __ |a GDPTC |d TP181/48