線上閱讀
本書提供兩種檔案格式，請選擇開啟：
EPUB彈性排版，可依載具大小自動斷行或換頁，較適合小螢幕閱讀。
書籍內容
TOP
本书是一本系统介绍机器学习所涉及的数学知识和相关Python编程的实例工具书，同时还介绍了非常经典的综合案例，除了编写机器学习的代码，还编写了深度学习的代码。本书一共分为两部分。
第一部分为数学基础知识部分，包含 8个章节，介绍了微积分、线性代数、概率统计、信息论、模糊数学、随机过程、凸优化和图论的系统知识体系及几个数学知识点对应的Python编程实例。通过这些实例，读者能够了解Scikit-learn、Scikit-fuzzy、Theano、SymPy、NetworkX和CVXPY中相应的库函数的应用。
第二部分为案例部分，包含4个章节，介绍了微积分、线性代数和概率统计问题的建模方法、求解流程和编程实现，以及工业生产领域的Python实战，包含了机器学习算法和深度学习PyTorch框架的应用。
在学习本书内容前，建议读者先掌握基本的Python编程知识和数学基础，然后将本书通读一遍，了解本书的大概内容，最后再跟着实例进行操作。
本书既注重数学理论，又偏重编程实践，实用性强，适用于对编程有一定基础，对系统的数学知识非常渴望，想从事人工智能、大数据等方向研究的读者。同时也适合作为广大职业院校相关专业的教材或参考用书。
- 目錄
-
封面 - 版权
- 前言
- 目录
- 第1章 微积分
- 1.1 函数和极限
- 1.2 导数
- 1.3 方向导数和梯度
- 1.4 积分
- 专家点拨
- 本章小结
- 第2章 线性代数
- 2.1 行列式
- 2.2 用向量描述空间
- 2.3 内积、正交向量组和范数
- 2.4 矩阵和线性变换
- 2.5 二次型
- 2.6 矩阵分解
- 专家点拨
- 本章小结
- 第3章 概率统计
- 3.1 随机事件和概率
- 3.2 随机变量及其分布
- 3.3 数字特征及随机变量间的关系
- 3.4 概率统计的其他方面
- 专家点拨
- 本章小结
- 第4章 信息论
- 4.1 信息熵
- 4.2 自信息和互信息
- 4.3 困惑度
- 4.4 信道噪声模型
- 专家点拨
- 本章小结
- 第5章 模糊数学
- 5.1 基础概念
- 5.2 模糊数学的应用
- 专家点拨
- 本章小结
- 第6章 随机过程
- 6.1 基本概念
- 6.2 马尔可夫过程
- 6.3 泊松过程
- 专家点拨
- 本章小结
- 第7章 凸优化
- 7.1 凸优化问题
- 7.2 无约束的优化问题
- 7.3 等式约束的优化问题
- 7.4 不等式约束的优化问题
- 7.5 带L1范数正则的优化问题
- 7.6 工程中常用的优化算法
- 专家点拨
- 本章小结
- 第8章 图论
- 8.1 图论基础
- 8.2 有向图和无向图
- 8.3 拓扑排序
- 8.4 最短路径
- 8.5 最小生成树
- 专家点拨
- 本章小结
- 第9章 微积分的应用案例
- 9.1 案例01：家禽出售的时机
- 9.2 案例02：允许缺货模型
- 本章小结
- 第10章 线性代数的应用案例
- 10.1 案例03：投入产出问题
- 10.2 案例04：金融公司支付基金的流动问题
- 本章小结
- 第11章 概率统计的应用案例
- 11.1 案例05：贝叶斯网络实现交通事故预测
- 11.2 案例06：HMM实现天气预测
- 本章小结
- 第12章 综合应用案例
- 12.1 案例07：工业异常参数的离群点检测
- 12.2 案例08：工厂发电量预测
- 本章小结
- 参考文献
下載書籍。
