水木
水木
发布于 2024-08-24 / 10 阅读
0

机器学习微积分一本通(Python版)

链接: https://pan.baidu.com/s/1mwqNgn9gZ3xnkE2K9_71ZA?pwd=pbbf 提取码: pbbf

出版社: 清华大学出版社
ISBN:9787302585619
版次:1
商品编码:13726210
品牌:清华大学
包装:平装
开本:16开
出版时间:2022-04-01
用纸:胶版纸
页数:256
字数:436000
正文语种:中文
产品特色

编辑推荐

本书语言简明,案例丰富,实用性强,适合有志于机器学习领域的研究者和爱好者、海量数据挖掘与分析人员、金融智能化从业人员阅读,也适合作为高等院校机器学习相关专业的教材。

内容简介

这是一本具有高中数学知识就能读懂的机器学习图书,书中通过大量程序实例,将复杂的公式重新拆解,详细、清晰地解读了机器学习中常用的微积分知识,一步步带领读者进入机器学习的领域。

作者简介

洪锦魁,中国台湾计算机专家,IT图书知名作者。其著作特色:所有程序语法会依特性分类,同时以实用的程序实例进行解说,让读者可以事半功倍地轻松掌握相关知识。

近年出版作品:

算法零基础一本通(Python版)

Python数据科学零基础一本通

Python入门很简单

Python王者归来

Python GUI设计:tkinter菜鸟编程




目录

第1章 微积分的简史




1-1 前言 2




1-2 微积分简要说明 2




1-3 微积分的教学顺序 2




1-4 积分的历史 2




1-4-1 古埃及 3




1-4-2 古希腊 3




1-4-3 中国 4




1-5 微积分的历史 4




1-5-1 牛顿 4




1-5-2 莱布尼茨 6




1-6 微积分发明人的世纪之争 6




第2章 极限




2-1 从金门高粱酒说起 8




2-1-1 稀释金门高粱酒的酒精浓度 8




2-1-2 极限值的数学表示方式 9




2-1-3 变量趋近极限值 9




2-1-4 调整金门高粱酒酒精浓度的




表达方式 9




2-1-5 完整表达公式 9




2-1-6 概念总结 10




2-2 极限 10




2-2-1 数列实例 10




2-2-2 函数实例 11




2-3 收敛与发散 11




2-3-1 收敛 11




2-3-2 发散 12




2-4 极限计算与Sympy模块 13




第3章 斜率




3-1 直线的斜率 16




3-1-1 基本概念 16




3-1-2 平行于x轴常数函数的斜率 16




3-1-3 平行于y轴常数函数的斜率 16




3-2 斜率的意义 17




3-3 曲线上某点处切线的斜率 18




3-3-1 基本概念 18




3-3-2 从曲线上2点连线的斜率说起 18




3-3-3 曲线上某点处切线的斜率 19




3-4 切线 21




3-4-1 基本概念 21




3-4-2 曲线上的所有切线 21




3-4-3 三次函数 22




3-5 将极限概念应用于斜率 22




3-5-1 认识极小变量符号 22




3-5-2 用极小变量代表斜率 22




3-5-3 应用极限概念在斜率上 22




第4章 微分的基本概念




4-1 微分的数学概念 24




4-1-1 基本概念 24




4-1-2 微分的数学公式 24




4-1-3 微积分教科书常见的微分




表达方式 24




4-1-4 导函数 24




4-1-5 机器学习常用的微分符号 24




4-2 微分的计算 25




4-3 微分公式的推导 25




4-3-1 常数的微分 25




4-3-2 一次函数的微分 26




4-3-3 二次函数的微分 26




4-3-4 三次函数的微分 26




4-3-5 n次函数的微分 27




4-3-6 指数是负整数 27




4-4 微分的基本性质 28




第5章 用微分找出极大值与极小值




5-1 用微分求二次函数的极值点 32




5-1-1 计算与绘制二次函数的极小值 32













查看全部↓
前言/序言

近几年每当无法入眠时,只要拿起人工智能、机器学习或深度学习的书籍,看到复杂的数学

公式,我就可以立即进入梦乡,这些书籍成了我的“安眠药”。




所以,一直以来我总想写一本具有高中数学知识就能读懂的人工智能、机器学习或深度学习

的书籍(看了不想睡觉也行),这个理念成为我撰写本书的重要动力。




在彻底研究机器学习后,我体会到许多微积分知识本身不难,只是大家对它们生疏了。如果

在书中将复杂公式从基础开始一步一步推导,再配以