1.《线性代数及其应用》(原书名:Linear Algebra and Its Applications)第四版,作者 Gilbert Strang。本书是为工科生和理工科生所写,内容涵盖了从初步的向量到高级的行列式、特征值等核心内容,是学习机器学习最基本的必备数学基础。
2.《概率论与数理统计》(原书名:Probability and Statistics for Engineers and Scientists)第九版,作者 Ronald E. Walpole。本书介绍了关于概率和统计的常见知识和方法,并且使用实例和应用案例让读者坚实地理解相关理论和方法。
3.《机器学习》(原书名:Pattern Recognition and Machine Learning),作者 Christopher M. Bishop。本书对机器学习的数学基础进行了详细介绍,适合已经具备一定线性代数和概率统计基础的人群,是机器学习领域中的经典之作。
在机器学习领域,数学基础是非常重要的。以下是一些比较好的中文教材,供您参考:
1.《线性代数及其应用》(原书名:Linear Algebra and Its Applications)第四版,作者 Gilbert Strang。本书是为工科生和理工科生所写,内容涵盖了从初步的向量到高级的行列式、特征值等核心内容,是学习机器学习最基本的必备数学基础。 2.《概率论与数理统计》(原书名:Probability and Statistics for Engineers and Scientists)第九版,作者 Ronald E. Walpole。本书介绍了关于概率和统计的常见知识和方法,并且使用实例和应用案例让读者坚实地理解相关理论和方法。 3.《机器学习》(原书名:Pattern Recognition and Machine Learning),作者 Christopher M. Bishop。本书对机器学习的数学基础进行了详细介绍,适合已经具备一定线性代数和概率统计基础的人群,是机器学习领域中的经典之作。
希望这些书籍可以对您有所帮助!