机器学习入门书籍导读-高等数学上

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/gshengod/article/details/78581111
我们每周会更新一篇关于机器学习入门书籍的导读文章,会覆盖数学、编程、机器学习算法理论以及机器学习应用这四个板块。希望通过这些导读文章,可以帮助同学们更有针对性的掌握机器学习相关的内容。

今天我们要讲的是我觉得整个学习体系中最重要的一本书,由同济大学数学系编制的高等数学上册,这本书非常之经典,是很多大学大一的数学入门教材,也是学习机器学习必备的一本经典书籍。难度适中,知识点齐全,强烈推荐,大家可以买一本看下,有时间可以做做课后习题。下面我们分章节拆分这本书:



第一章 函数与极限
第一章主要讲了三个东西:1.集合 2.函数表示 3.极限
前几天还有人在读者群说,看不懂机器学习的相关集合概念,所以集合这一部分是确保能否看懂算法公式的基础。另外知识图谱的推理其实就是基于集合论。同理,函数表示方式也是帮助大家了解基础符号,例如深度学习中激活函数就是典型的函数表示。极限的典型场景是在算法函数收敛时的应用。

第二章 导数与微分
导数这一部分,大家一定要理解导数是表示数据发展方向的一种数学思想,比如股票有上涨趋势,那么股票K线的导数应该是正数。另外在逻辑回归的梯度下降方法中,也是导数的典型应用。

第三章 微分中值定理与导数应用
这一部分主要是对第二章的一个延伸,我觉得如果是入门为目的可以简单看下就行。

第四-六章 积分的原理和应用
这些章主要讲的是导数的反向意义——积分。积分的意义我理解可以表示成过去一段时间作用效果的总和,比如股票有时候跌、有时候涨,那么过去一年总体到底是跌了还是涨了,可以通过积分来表示。在机器学习中经常通过ROC曲线来判断二分类算法的效果好坏,ROC到AUC的计算也是通过积分来实现的。


第七章 微分方程
这一章主要讲的是一些多项式方程的解法,入门其实可以当做了解,要是想看论文的同学可以多看看。


以上就是高等数学上层的导读,只是帮大家粗略的梳理了每一章的重点,有需要的同学可以买一本看看~


阅读更多
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页