📖 书目详情
线性代数与优化:机器学习视角
| 著者 | (美)查鲁·C.阿加沃尔(Charu C. Aggarwal)著 |
| ISBN | 9787111777052 |
| 中图分类 | O151.2 数学 |
| 学科分类 | 理学 |
| 版次 | 第1版 |
| 出版社 | 机械工业出版社 |
| 丛书名 | 数学应用系列 |
| 出版年 | 2025 |
| 页码 | 18482页 |
| 价格 | ¥149.00 |
| 可推荐册数 | 请登录后查看 |
| 核心评分 |
10/10
|
📝 内容简介
本书从机器学习视角,系统梳理线性代数与最优化理论,直击初学者“知识零散、课程脱节”的痛点。全书以“应用导向”贯穿始终,分两大模块构建知识网络:1.线性代数及其应用:从矩阵运算本质出发,深入剖析奇异值分解(SVD)、核方法、图谱理论等工具,通过人脸识别、推荐系统等案例,展现线性代数在特征提取、降维、异常检测中的核心作用。2.最优化理论及其应用:以最小二乘回归为支点,辐射梯度下降、牛顿法、约束优化等算法,揭示支持向量机、Logistic回归的数学原理,并延伸至神经网络训练中的计算图优化技术。
🏛️ 本馆馆藏信息
本馆暂无该书的馆藏记录,可在线借购