从零开始：机器学习的数学原理和算法实践

封面

版权信息

版 权

内 容 提 要

前 言

第1章 补基础：不怕学不懂微积分

1.1 深入理解导数的本质

1.2 理解多元函数偏导

1.3 理解微积分

1.4 泰勒公式太重要了

第2章 补基础：不怕学不懂线性代数

2.1 直观理解向量

2.2 直观理解矩阵

2.3 理解线性方程组求解的本质

2.4 彻底理解最小二乘法的本质

2.5 直观理解相似矩阵对角化

第3章 补基础：不怕学不懂概率统计

3.1 什么是概率

3.2 搞懂大数定律与中心极限定理

3.3 理解概率统计中的重要分布

3.4 理解朴素贝叶斯思想很重要

第4章 全景图：机器学习路线图

4.1 通俗讲解机器学习是什么

4.2 机器学习所需环境介绍

4.3 跟着例子熟悉机器学习全过程

4.4 准备数据包括什么

4.5 如何选择算法

4.6 调参优化怎么处理

4.7 如何进行性能评估

第5章 数据降维：深入理解PCA的来龙去脉

5.1 PCA是什么

5.2 用一个例子来理解PCA过程

5.3 如何寻找降维矩阵P

5.4 PCA降维的核心思想

5.5 面向零基础读者详解PCA降维

5.6 编程实践：手把手教你写代码

第6章 凸优化核心过程：真正搞懂梯度下降过程

6.1 通俗讲解凸函数

6.2 通俗讲解梯度下降

6.3 编程实践：手把手教你写代码

第7章 搞懂算法：线性回归是怎么回事

7.1 什么是线性回归

7.2 线性回归算法解决什么问题

7.3 线性回归算法实现过程

7.4 编程实践：手把手教你写代码

第8章 搞懂算法：逻辑回归是怎么回事

8.1 如何理解逻辑回归

8.2 逻辑回归算法实现过程

8.3 编程实践：手把手教你写代码

第9章 搞懂算法：决策树是怎么回事

9.1 典型的决策树是什么样的

9.2 决策树算法的关键是什么

9.3 信息、信息量与信息熵

9.4 信息增益的计算过程

9.5 剪枝处理是怎么回事

9.6 编程实践：手把手教你写代码

第10章 搞懂算法：支持向量机是怎么回事

10.1 SVM有什么用

10.2 SVM算法原理和过程是什么

10.3 编程实践：手把手教你写代码

第11章 搞懂算法：聚类是怎么回事

11.1 聚类算法介绍

11.2 通俗讲解聚类算法过程

11.3 编程实践：手把手教你写代码

第12章 搞懂算法：朴素贝叶斯是怎么回事

12.1 朴素贝叶斯是什么

12.2 朴素贝叶斯实现方法

12.3 编程实践：手把手教你写代码

第13章 搞懂算法：神经网络是怎么回事

13.1 从一个具体任务开始：识别数字

13.2 理解神经元是什么

13.3 理解典型神经网络多层感知器

13.4 MLP的代价函数与梯度下降

13.5 反向传播算法的本质与推导过程

13.6 编程实践：手把手教你写代码

第14章 综合实践：模型优化的经验技巧

14.1 经验技巧一：特征处理

14.2 经验技巧二：模型配置优化

14.3 编程实践：手把手教你写代码