机器学习入门书籍导读-工程高等代数

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。