热搜关键词: Protel 99SE欧姆龙PLCGD32变压器

pdf

Mathematics for Machine Learning

  • 1星
  • 2022-06-30
  • 16.56MB
  • 需要10积分
  • 0次下载
  • favicon收藏
  • rep举报
  • free评论
标签: AI

AI

机器人

机器人

编程

编程

机器学习中的数学基础一直以来都是非常重要的,而且是比较难的。要想真正提高机器学习算法水平,其中的数学基础必须合格!今天给大家推荐一本非常棒的《机器学习数学基础》,原名:《Mathematics  for  Machine  Learning》。

MATHEMATICS
FOR
MACHINE LEARNING
Marc Peter Deisenroth
A. Aldo Faisal
Cheng Soon Ong
Contents
Foreword
1
Part I
1
1.1
1.2
1.3
2
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
Mathematical Foundations
9
11
12
13
16
17
19
22
27
35
40
44
48
61
63
64
70
71
72
75
76
78
79
80
81
91
94
96
98
99
i
Introduction and Motivation
Finding Words for Intuitions
Two Ways to Read This Book
Exercises and Feedback
Linear Algebra
Systems of Linear Equations
Matrices
Solving Systems of Linear Equations
Vector Spaces
Linear Independence
Basis and Rank
Linear Mappings
Affine Spaces
Further Reading
Exercises
Analytic Geometry
Norms
Inner Products
Lengths and Distances
Angles and Orthogonality
Orthonormal Basis
Orthogonal Complement
Inner Product of Functions
Orthogonal Projections
Rotations
Further Reading
Exercises
Matrix Decompositions
Determinant and Trace
3
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
4
4.1
This material is published by Cambridge University Press as
Mathematics for Machine Learning
by
Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong (2020). This version is free to view
and download for personal use only. Not for re-distribution, re-sale, or use in derivative works.
©by M. P. Deisenroth, A. A. Faisal, and C. S. Ong, 2021.
https://mml-book.com.
ii
4.2
4.3
4.4
4.5
4.6
4.7
4.8
Eigenvalues and Eigenvectors
Cholesky Decomposition
Eigendecomposition and Diagonalization
Singular Value Decomposition
Matrix Approximation
Matrix Phylogeny
Further Reading
Exercises
Vector Calculus
Differentiation of Univariate Functions
Partial Differentiation and Gradients
Gradients of Vector-Valued Functions
Gradients of Matrices
Useful Identities for Computing Gradients
Backpropagation and Automatic Differentiation
Higher-Order Derivatives
Linearization and Multivariate Taylor Series
Further Reading
Exercises
Probability and Distributions
Construction of a Probability Space
Discrete and Continuous Probabilities
Sum Rule, Product Rule, and Bayes’ Theorem
Summary Statistics and Independence
Gaussian Distribution
Conjugacy and the Exponential Family
Change of Variables/Inverse Transform
Further Reading
Exercises
Continuous Optimization
Optimization Using Gradient Descent
Constrained Optimization and Lagrange Multipliers
Convex Optimization
Further Reading
Exercises
Contents
105
114
115
119
129
134
135
137
139
141
146
149
155
158
159
164
165
170
170
172
172
178
183
186
197
205
214
221
222
225
227
233
236
246
247
5
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
6
6.1
6.2
6.3
6.4
6.5
6.6
6.7
6.8
7
7.1
7.2
7.3
7.4
Part II Central Machine Learning Problems
8
8.1
8.2
8.3
8.4
8.5
When Models Meet Data
Data, Models, and Learning
Empirical Risk Minimization
Parameter Estimation
Probabilistic Modeling and Inference
Directed Graphical Models
249
251
251
258
265
272
278
Draft (2022-01-11) of “Mathematics for Machine Learning”. Feedback:
https://mml-book.com.
Contents
8.6
9
9.1
9.2
9.3
9.4
9.5
10
10.1
10.2
10.3
10.4
10.5
10.6
10.7
10.8
11
11.1
11.2
11.3
11.4
11.5
12
12.1
12.2
12.3
12.4
12.5
12.6
Model Selection
Linear Regression
Problem Formulation
Parameter Estimation
Bayesian Linear Regression
Maximum Likelihood as Orthogonal Projection
Further Reading
Dimensionality Reduction with Principal Component Analysis
Problem Setting
Maximum Variance Perspective
Projection Perspective
Eigenvector Computation and Low-Rank Approximations
PCA in High Dimensions
Key Steps of PCA in Practice
Latent Variable Perspective
Further Reading
Density Estimation with Gaussian Mixture Models
Gaussian Mixture Model
Parameter Learning via Maximum Likelihood
EM Algorithm
Latent-Variable Perspective
Further Reading
Classification with Support Vector Machines
Separating Hyperplanes
Primal Support Vector Machine
Dual Support Vector Machine
Kernels
Numerical Solution
Further Reading
iii
283
289
291
292
303
313
315
317
318
320
325
333
335
336
339
343
348
349
350
360
363
368
370
372
374
383
388
390
392
395
References
©2021 M. P. Deisenroth, A. A. Faisal, C. S. Ong. Published by Cambridge University Press (2020).
展开预览

推荐帖子 最新更新时间:2022-08-10 00:55

关于MSP430FR5969的功耗你知多少
本帖最后由 littleshrimp 于 2015-12-22 17:13 编辑 关于MSP430FR5969的功耗你知多少 为了测试MSP430FR5969的功耗,我焊了一块只有复位电路的最小系统板,然后做了一些实验,现在和大家分享一下。思路是这样的,首先写了一个休眠函数,函数会进入LPM3模式指定时间后唤醒单片机工作。uint16_t ta_lpm = 0; void delay_ms_
littleshrimp 微控制器 MCU
2016 英飞凌电源管理巡回研讨会火热报名中…(6月16日-07月05日)
    2016英飞凌“节能高效,共创未来”电源管理巡回研讨会火热报名中!四城技术盛宴即将开启!欲报从速!北京站   6月16日   北京北辰洲际酒店     >>点击报名武汉站   6月21日   武汉香格里拉大酒店   >>点击报名西安站   6月23日   西安香格里拉大酒     >>点击报名  成都站   7月5日    成都富力丽思卡尔顿酒 >>点击报名    本次研讨会,紧抓时下热门
EEWORLD社区 综合技术交流
把论坛上次的奖品智能插座拆了。
把论坛上次发的奖品-----京东微联 SP mini 3―JD WiFi智能插座拆了。 拆之前,我先体验了一把。 首先在app store下载“京东微联”,这个app非常的常规,如果用过米家或者ESP8266类似的app,就会发现,基本都是这个类型。 把插座插上之后,手机连接WiFi,然后就可以配置插座连接WiFi。 但是手机必须连接WiFi才可以APP控制这个插座,这种设计简直就是垃圾呀
路飞d梦想 以拆会友
彻底告别石英?发现下周TI直播主角之一CC2652RB是不需要外置晶振无线MCU
下周二TI的将在论坛进行介绍他家最新SimpleLink 无线MCU产品:CC13X2和CC26X2,亮点是低功耗、多频段,低功耗官方宣传时谈到了实时测量那种低功耗,而不是躺着睡觉那种低功耗。翻阅直播出场的产品时,发现其中一个直播主角是不需要外置石英晶振的MCU:CC2652。不明觉厉,这是要彻底告别石英了吗?好奇的网友可以提前看看官网关于这块的介绍(>>点此查看) 发现下周直播的想要去了解的还
nmg 无线连接
CANOpen网关连接汇川变频器案例
第一步,首先新建一个工程,添加主站设备,如下图第二步,导入汇川变频器的 EDS 文件,如下两个图: 第三步,添加从站设备,如下图: 第四步:设置站地址,如图: 第五步,汇川变频器默认的配置如下,此顺序在这个项目是需要调整的,如下图: 第六步,调整 RPDO 顺序(子索引的排列顺序决定此子索引数据在 PDO 的位置),先删除,再重新添加,如下图: 第七步:调整完
开疆智能自动化 电机驱动控制(Motor Control)
msp430 PWM周期计算
例:   P4DIR |= BIT1+BIT2+BIT3;                  // P4.1 - P4.3 output   P4SEL |= BIT1+BIT2+BIT3;                  // P4.1 - P4.3 TBx options      TBCCR0 = 512-1;                           // PWM Pe
fish001 微控制器 MCU

评论

登录/注册

意见反馈

求资源

回顶部
查找数据手册?

EEWorld Datasheet 技术支持

热门活动

相关视频

可能感兴趣器件

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2022 EEWORLD.com.cn, Inc. All rights reserved
×