机器学习入门书籍导读-工程高等代数

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/78800915


今天要分享的是一本叫做《工程高等代数》的书,这门课简称高工代,应该很多工科生都会要求学的吧,我看的这版我觉得应该算内容比较全的,是北邮出版的不太好找,我直接把购买链接贴到这:

https://item.taobao.com/item.htm?spm=a230r.1.14.16.3a7b277aWakAbA&id=562751363364&ns=1&abbucket=4#detail

推荐指数:4颗星


这本书之所以好,是因为把机器学习用到的一些基础的数学理论都包含了,而且也没有特别的深,做个基本科普是不错的,可惜缺了一点矩阵分解的内容,可以通过另一本书《矩阵论》补充。我还记得上学的时候这门课我考了89分,对学渣来讲是个不错的成绩了,因为这个课不及格的特多。


第一章:一元多项式

这一章如果看了高数之后,觉得比较鸡肋,基本上就是讲一些集合多项式的基础概念,还不如看高数呢,直接跳过。


第二章:矩阵

开始介绍一些向量以及矩阵的加减乘除法,这部分是为了后面的复杂的矩阵变换做铺垫。因为机器学习算法大都是一些矩阵的计算,所以这一章是基础。讲的通俗易懂,不像研究生《矩阵论》讲了巨多复杂的定理。这一章最后介绍了矩阵的秩的解法,秩关乎到多项式方程是否能解得问题,跟计算机原理中的与或门、电子电路的一些求解都有很大的关系。


第三章、第四章:线性空间与线性变换、线性方程组

这两章一起看,主要介绍了空间线性相关性的概念,包括一些矩阵转置的解法,这个对于矩阵分解(推荐系统的原型)是非常重要的,另外转置以及线性变换主要是给第五章做铺垫。


第五章:矩阵特征值与特征向量

这一章就太重要了,最体现这里面数学原理的算法就是PCA,怎么通过提取特征值和特征向量达到降维的效果,所以要做特征降维操作一定好好看看这一章。


第六章:欧式空间与二次型

主要讲的是空间距离的矩阵计算,SVM算法的原理就需要这一章的理论基础。另外很多机器学习算法都需要求余弦距离,也是这一章会讲的。


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