机器学习之数学基础

机器学习是一门综合性很强的学课，没有一定的数学基础是很难深入理解学习，需要掌握必要的高等数学，线性代数，概率论与数理统计知识,这几门课程也是理工科大学数学必修科目，当然并不需要掌握下面所有的知识点你才能迈入机器学习，下面是相关的课本目录可以参考下

一 高等数学<上>

《高等数学（第七版）》上册目录
第一章 函数与极限
第一节 映射与函数
第二节 数列的极限
第三节 函数的极限
第四节 无穷小与无穷大
第五节 极限运算法则
第六节 极限存在准则 两个重要极限
第七节 无穷小的比较
第八节 函数的连续性与间断点
第九节 连续函数的运算与初等函数的连续性
第十节 闭区间上连续函数的性质
第二章 导数与微分
第一节 导数概念
第二节 函数的求导法则
第三节 高阶导数
第四节 隐函数及由参数方程所确定的函数的导数相关变化率
第五节 函数的微分
第三章 微分中值定理与导数的应用
第一节 微分中值定理
第二节 洛必达法则
第三节 泰勒公式
第四节 函数的单调性与曲线的凹凸性
第五节 函数的极值与最大值最小值
第六节 函数图形的描绘
第七节 曲率
第八节 方程的近似解
第四章 不定积分
第一节 不定积分的概念与性质
第二节 换元积分法
第三节 分部积分法
第四节 有理函数的积分
第五节 积分表的使用
第五章 定积分
第一节 定积分的概念与性质
第二节 微积分基本公式
第三节 定积分的换元法和分部积分法
第四节 反常积分
*第五节 反常积分的审敛法Γ函数
第六章 定积分的应用
第一节 定积分的元素法
第二节 定积分在几何学上的应用
第三节 定积分在物理学上的应用
第七章 微分方程
第一节 微分方程的基本概念
第二节 可分离变量的微分方程
第三节 齐次方程
第四节 一阶线性微分方程
第五节 可降阶的高阶微分方程
第六节 高阶线性微分方程
第七节 常系数齐次线性微分方程
第八节 常系数非齐次线性微分方程
*第九节 欧拉方程

二 高等数学<下>

《高等数学（第七版）》下册目录
第八章 向量代数与空间解析几何
第一节 向量及其线性运算
第二节 数量积 向量积混合积
第三节 平面及其方程
第四节 空间直线及其方程
第五节 曲面及其方程
第六节 空间曲线及其方程
第九章 多元函数微分法及其应用<