cos大壮-机器学习必修数学-PDF版本

感谢网友分享

cos大壮-机器学习必修数学-PDF版本

资源内容：

汇总-机器学习必修数学（By cos大壮）.pdf

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

第1章 数学分析基础_第2节-导数与函数性质.pdf

第1章 数学分析基础_第3节-梯度与方向导数.pdf

第1章 数学分析基础_第4节-Taylor 展开与模型近似.pdf

第1章 数学分析基础_第5节-函数图像与结构性洞察.pdf

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

第4章 矩阵与线性代数_第1节-矩阵基础与线性方程组.pdf

第4章 矩阵与线性代数_第2节-矩阵结构与性质.pdf

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

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

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

第4章 矩阵与线性代数_第6节-矩阵求导与优化初步.pdf

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

第5章 凸优化_第1节 优化与机器学习的内在联系.pdf

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

第5章 凸优化_第3节 凸函数的组合性质与不等式工具.pdf

第5章 凸优化_第4节 凸优化问题的形式与建模示例.pdf

第5章 凸优化_第5节 对偶性与 Lagrangian 框架.pdf

第5章 凸优化_第6节 KKT 条件与凸优化的最优性理论.pdf

第5章 凸优化_第7节 典型凸优化问题与求解方法.pdf

第5章 凸优化_第8节 Python 中的凸优化工具实战.pdf