机器学习必修数学-PDF版本|第1章 数学分析基础第1节-导论数学分析在数据分析中的角色

机器学习必修数学-PDF版本

第1章 数学分析基础第1节-导论数学分析在数据分析中的角色.pdf 0.4MB

第1章 数学分析基础第2节-导数与函数性质.pdf 7.4MB

第1章 数学分析基础第3节-梯度与方向导数.pdf 3.7MB

第1章 数学分析基础第4节-Taylor 展开与模型近似.pdf 4.0MB

第1章 数学分析基础第5节-函数图像与结构性洞察.pdf 3.2MB

第2章 概率论与机器学习模型原理第1节-概率论基础与思想流派.pdf 2.1MB

第2章 概率论与机器学习模型原理第2节-古典模型与组合问题.pdf 4.2MB

第2章 概率论与机器学习模型原理第3节-条件概率与贝叶斯公式.pdf 3.8MB

第2章 概率论与机器学习模型原理第4节-常见概率分布.pdf 3.8MB

第2章 概率论与机器学习模型原理第5节-概率密度函数与函数变换.pdf 5.6MB

第2章 概率论与机器学习模型原理第6节-Sigmoid函数与Logistic模型.pdf 4.1MB

第2章 概率论与机器学习模型原理第7节-概率图模型基础.pdf 3.2MB

第3章 统计建模与参数估计第1节-统计基础与数据世界.pdf 2.9MB

第3章 统计建模与参数估计第2节-统计描述量与数据特征.pdf 5.9MB

第3章 统计建模与参数估计第3节-变量间关系与相关结构.pdf 4.8MB

第3章 统计建模与参数估计第4节-统计矩与样本统计量.pdf 5.9MB

第3章 统计建模与参数估计第5节-概率不等式与集中性理论.pdf 4.3MB

第3章 统计建模与参数估计第6节-参数估计方法一矩估计法.pdf 3.1MB

第3章 统计建模与参数估计第7节-参数估计方法二最大似然估计MLE.pdf 5.0MB

第3章 统计建模与参数估计第8节-MLE 拓展正则化与贝叶斯观点.pdf 5.2MB

第4章 矩阵与线性代数第0节-引言为什么机器学习离不开线性代数.pdf 1.1MB

第4章 矩阵与线性代数第1节-矩阵基础与线性方程组.pdf 7.7MB

第4章 矩阵与线性代数第2节-矩阵结构与性质.pdf 4.4MB

第4章 矩阵与线性代数第3节-特征值特征向量与谱理论.pdf 5.7MB

第4章 矩阵与线性代数第4节-奇异值分解SVD与矩阵降维.pdf 4.2MB

第4章 矩阵与线性代数第5节-线性变换与状态转移含 QR 分解.pdf 6.5MB

第4章 矩阵与线性代数第6节-矩阵求导与优化初步.pdf 6.8MB

第4章 矩阵与线性代数第7节-机器学习中的矩阵分解模型.pdf 6.2MB

第5章 凸优化第1节 优化与机器学习的内在联系.pdf 6.6MB

第5章 凸优化第2节 凸集与凸函数的几何直觉与数学定义.pdf 7.2MB

第5章 凸优化第3节 凸函数的组合性质与不等式工具.pdf 6.5MB

第5章 凸优化第4节 凸优化问题的形式与建模示例.pdf 3.9MB

第5章 凸优化第5节 对偶性与 Lagrangian 框架.pdf 4.7MB

第5章 凸优化第6节 KKT 条件与凸优化的最优性理论.pdf 4.6MB

第5章 凸优化第7节 典型凸优化问题与求解方法.pdf 4.2MB

第5章 凸优化第8节 Python 中的凸优化工具实战.pdf 2.0MB

汇总-机器学习必修数学By cos大壮.pdf 119.7MB