數(shù)學是機器學習和數(shù)據(jù)科學的基礎，任何期望涉足相關領域并切實領悟具體技術與方法的人都無法繞過數(shù)學這一關。本書系統(tǒng)地整理并介紹了機器學習中所涉及的推薦數(shù)學基礎，這些都是筆者從浩如煙海的數(shù)學知識中精心萃取的，在學習和研究機器學習技術時所必須的內(nèi)容。具體包括概率論與數(shù)理統(tǒng)計、微積分（主要是與很優(yōu)化內(nèi)容相關的部分）、凸優(yōu)化及拉格朗日乘數(shù)法、數(shù)值計算、泛函分析基礎（例如核方法賴以建立的希爾伯特空間理論），以及蒙特卡洛采樣（拒絕與自適應拒絕采樣、重要性采樣、吉布斯采樣和馬爾科夫鏈蒙特卡洛）等內(nèi)容。此外，為了幫助讀者強化所學，本書還從上述數(shù)學基礎出發(fā)介紹了回歸、分類（感知機、邏輯回歸、樸素貝葉斯、決策樹、支持向量機、人工神經(jīng)網(wǎng)絡等）、聚類、降維與流形學習、集成學習，以及概率圖模型等機器學習中的重要話題。
|
