123,123,123

內(nèi)容簡(jiǎn)介

　　《機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)（Python語(yǔ)言實(shí)現(xiàn)）》是一本系統(tǒng)介紹機(jī)器學(xué)習(xí)所涉及的數(shù)學(xué)知識(shí)和相關(guān)Python編程的實(shí)例工具書(shū)，同時(shí)還介紹了非常經(jīng)典的綜合案例，除了編寫機(jī)器學(xué)習(xí)的代碼，還編寫了深度學(xué)習(xí)的代碼?！稒C(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)（Python語(yǔ)言實(shí)現(xiàn)）》一共分為兩部分。部分為數(shù)學(xué)基礎(chǔ)知識(shí)部分，包含 8個(gè)章節(jié)，介紹了微積分、線性代數(shù)、概率統(tǒng)計(jì)、信息論、模糊數(shù)學(xué)、隨機(jī)過(guò)程、凸優(yōu)化和圖論的系統(tǒng)知識(shí)體系及幾個(gè)數(shù)學(xué)知識(shí)點(diǎn)對(duì)應(yīng)的Python編程實(shí)例。通過(guò)這些實(shí)例，讀者能夠了解Scikit-learn、Scikit-fuzzy、Theano、SymPy、NetworkX和CVXPY中相應(yīng)的庫(kù)函數(shù)的應(yīng)用。第二部分為案例部分，包含4個(gè)章節(jié)，介紹了微積分、線性代數(shù)和概率統(tǒng)計(jì)問(wèn)題的建模方法、求解流程和編程實(shí)現(xiàn)，以及工業(yè)生產(chǎn)領(lǐng)域的Python實(shí)戰(zhàn)，包含了機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)PyTorch框架的應(yīng)用。在學(xué)習(xí)《機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)（Python語(yǔ)言實(shí)現(xiàn)）》內(nèi)容前，建議讀者先掌握基本的Python編程知識(shí)和數(shù)學(xué)基礎(chǔ)，然后將《機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)（Python語(yǔ)言實(shí)現(xiàn)）》通讀一遍，了解《機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)（Python語(yǔ)言實(shí)現(xiàn)）》的大概內(nèi)容，后再跟著實(shí)例進(jìn)行操作?！稒C(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)（Python語(yǔ)言實(shí)現(xiàn)）》既注重?cái)?shù)學(xué)理論，又偏重編程實(shí)踐，實(shí)用性強(qiáng)，適用于對(duì)編程有一定基礎(chǔ)，對(duì)系統(tǒng)的數(shù)學(xué)知識(shí)非?？释?，想從事人工智能、大數(shù)據(jù)等方向研究的讀者。同時(shí)也適合作為廣大職業(yè)院校相關(guān)專業(yè)的教材或參考用書(shū)。

作者簡(jiǎn)介

　　周洋，成都嘉捷信誠(chéng)解決方案專家，擁有12年toB行業(yè)大數(shù)據(jù)相關(guān)經(jīng)驗(yàn)，對(duì)工業(yè)大數(shù)據(jù)、智慧電廠、智慧城市、智慧交通、智慧安防等行業(yè)趨勢(shì)發(fā)展有前瞻性判斷力。對(duì)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、大數(shù)據(jù)、知識(shí)圖譜等技術(shù)有深入研究。張小霞，控制理論與控制工程專業(yè)碩士。曾從事軍工電子硬件和軟件開(kāi)發(fā)、機(jī)器人視覺(jué)檢測(cè)、工業(yè)檢測(cè)數(shù)據(jù)建模分析等相關(guān)工作，擅長(zhǎng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，對(duì)機(jī)器視覺(jué)中的目標(biāo)檢測(cè)、圖像分割、三維點(diǎn)云檢測(cè)及自然語(yǔ)言處理等方面有深入研究?，F(xiàn)就職于成都航空職業(yè)技術(shù)學(xué)院，從事教學(xué)科研工作。

圖書(shū)目錄

第1章　微積分1
1.1　函數(shù)和極限2
小試牛刀01：Python編程實(shí)現(xiàn)函數(shù)極限10
1.2　導(dǎo)數(shù)11
1.3　方向?qū)?shù)和梯度19
小試牛刀02：Python編程實(shí)現(xiàn)雅可比矩陣、黑塞矩陣21
1.4　積分24
專家點(diǎn)撥28
NO1.從事編程開(kāi)發(fā)的人員如何學(xué)習(xí)微積分？28
NO2.學(xué)習(xí)微積分需要全部掌握嗎？28
NO3.學(xué)習(xí)微積分需要大量做題嗎？28
本章小結(jié)28
第2章　線性代數(shù)29
2.1　行列式30
2.2　用向量描述空間35
2.3　內(nèi)積、正交向量組和范數(shù)36
小試牛刀03：Python編程實(shí)現(xiàn)求范數(shù)39
2.4　矩陣和線性變換41
小試牛刀04：Python編程實(shí)現(xiàn)求逆矩陣、行列式的值、秩49
2.5　二次型50
2.6　矩陣分解52
小試牛刀05：Python編程實(shí)現(xiàn)矩陣的QR分解58
專家點(diǎn)撥61
NO1.線性代數(shù)有多重要？61
NO2.向量?jī)?nèi)積的幾何解釋是什么？61
NO3.奇異值分解的應(yīng)用場(chǎng)景有哪些？62
本章小結(jié)62
第3章　概率統(tǒng)計(jì)63
3.1　隨機(jī)事件和概率64
小試牛刀06：Python編程實(shí)現(xiàn)貝葉斯公式69
3.2　隨機(jī)變量及其分布70
小試牛刀07：Python編程實(shí)現(xiàn)正態(tài)分布75
3.3　數(shù)字特征及隨機(jī)變量間的關(guān)系76
小試牛刀08：Python編程實(shí)現(xiàn)Pearson相關(guān)系數(shù)80
3.4　概率統(tǒng)計(jì)的其他方面82
小試牛刀09：Python編程實(shí)現(xiàn)參數(shù)估計(jì)92
小試牛刀10：Python編程實(shí)現(xiàn)假設(shè)檢驗(yàn)94
專家點(diǎn)撥96
NO1.“互斥事件”和“對(duì)立事件”的關(guān)系如何？96
NO2.大數(shù)定律有什么用？96
本章小結(jié)97
第4章　信息論98
4.1　信息熵99
小試牛刀11：Python編程實(shí)現(xiàn)交叉熵和KL散度101
4.2　自信息和互信息102
4.3　困惑度103
4.4　信道噪聲模型104
專家點(diǎn)撥105
NO1.信息熵的用途是什么？105
NO2.TF?IDF的信息論依據(jù)是什么？106
NO3.如何訓(xùn)練熵模型？107
本章小結(jié)107
第5章　模糊數(shù)學(xué)108
5.1　基礎(chǔ)概念109
5.2　模糊數(shù)學(xué)的應(yīng)用110
小試牛刀12：Python編程實(shí)現(xiàn)模糊聚類114
專家點(diǎn)撥116
NO1.模糊數(shù)學(xué)對(duì)于我們學(xué)習(xí)算法重要嗎？116
NO2.模糊控制理論和模糊數(shù)學(xué)的關(guān)系？117
NO3.模糊數(shù)學(xué)在數(shù)字圖像處理方面的應(yīng)用有哪些？117
本章小結(jié)117
第6章　隨機(jī)過(guò)程118
6.1　基本概念119
6.2　馬爾可夫過(guò)程120
小試牛刀13：Python編程實(shí)現(xiàn)HMM模型及Viterbi算法122
6.3　泊松過(guò)程124
小試牛刀14：Python編程實(shí)現(xiàn)泊松過(guò)程127
專家點(diǎn)撥130
NO1.馬爾可夫過(guò)程思維在建模中的重要性有哪些？130
NO2.泊松過(guò)程和更新過(guò)程的區(qū)別和聯(lián)系是什么？130
本章小結(jié)131
第7章　凸優(yōu)化132
7.1　凸優(yōu)化問(wèn)題133
7.2　無(wú)約束的優(yōu)化問(wèn)題138
小試牛刀15：Python編程實(shí)現(xiàn)簡(jiǎn)單的梯度下降法146
7.3　等式約束的優(yōu)化問(wèn)題147
7.4　不等式約束的優(yōu)化問(wèn)題150
7.5　帶L1范數(shù)正則的優(yōu)化問(wèn)題159
7.6　工程中常用的優(yōu)化算法165
小試牛刀16：Python編程求解凸優(yōu)化問(wèn)題170
專家點(diǎn)撥179
NO1.對(duì)于工程應(yīng)用來(lái)說(shuō)如何學(xué)習(xí)凸優(yōu)化？179
NO2.為什么拉格朗日對(duì)偶函數(shù)一定是凹函數(shù)？179
本章小結(jié)180
第8章　圖論181
8.1　圖論基礎(chǔ)182
8.2　有向圖和無(wú)向圖184
小試牛刀17：Python編程繪制有向圖和無(wú)向圖186
8.3　拓?fù)渑判?92
8.4　短路徑193
小試牛刀18：Python編程解決短路徑問(wèn)題196
8.5　小生成樹(shù)205
小試牛刀19：Python編程解決小生成樹(shù)問(wèn)題208
專家點(diǎn)撥215
NO1.圖論的作用是什么？215
NO2.怎么去學(xué)習(xí)圖論呢？215
本章小結(jié)215
第9章　微積分的應(yīng)用案例216
9.1　案例01：家禽出售的時(shí)機(jī)217
9.2　案例02：允許缺貨模型219
本章小結(jié)222
第10章　線性代數(shù)的應(yīng)用案例223
10.1　案例03：投入產(chǎn)出問(wèn)題224
10.2　案例04：金融公司支付基金的流動(dòng)問(wèn)題225
本章小結(jié)228
第11章　概率統(tǒng)計(jì)的應(yīng)用案例229
11.1　案例05：貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)交通事故預(yù)測(cè)230
11.2　案例06：HMM實(shí)現(xiàn)天氣預(yù)測(cè)235
本章小結(jié)237
第12章　綜合應(yīng)用案例238
12.1　案例07：工業(yè)異常參數(shù)的離群點(diǎn)檢測(cè)239
12.2　案例08：工廠發(fā)電量預(yù)測(cè)246
本章小結(jié)253
參考文獻(xiàn)254