白话机器学习的数学

A.10 NumPy基础知识

A.9 Python基础知识

A.8 Python环境搭建

A.7 指数与对数

A.6 几何向量

A.5 向量和矩阵

A.4 复合函数

A.3 偏微分

A.2 微分

A.1 求和符号、求积符号

附录

5.6 后话

5.5 正则化

5.4 分类——逻辑回归

5.3 分类——感知机

5.2 回归

5.1 使用Python实现

第5章 实现使用Python编程

4.4 学习曲线

4.3 正则化

4.2 交叉验证

4.1 模型评估

第4章 评估评估已建立的模型

3.8 线性不可分

3.7 对数似然函数

3.6 似然函数

3.5 逻辑回归

3.4 线性可分

3.3 感知机

3.2 内积

3.1 设置问题

第3章 学习分类基于图像大小进行分类

2.6 随机梯度下降法

2.5 多重回归

2.4 多项式回归

2.3 最小二乘法

2.2 定义模型

2.1 设置问题

第2章 学习回归基于广告费预测点击量

1.4 数学与编程

1.3 机器学习的算法

1.2 机器学习的重要性

1.1 对机器学习的兴趣

第1章 开始二人之旅

出场人物介绍

各章概要

致谢

前言

数字版权声明

作者简介

版权信息

封面

封面

版权信息

作者简介

数字版权声明

前言

致谢

各章概要

出场人物介绍

第1章 开始二人之旅

1.1 对机器学习的兴趣

1.2 机器学习的重要性

1.3 机器学习的算法

1.4 数学与编程

第2章 学习回归基于广告费预测点击量

2.1 设置问题

2.2 定义模型

2.3 最小二乘法

2.4 多项式回归

2.5 多重回归

2.6 随机梯度下降法

第3章 学习分类基于图像大小进行分类

3.1 设置问题

3.2 内积

3.3 感知机

3.4 线性可分

3.5 逻辑回归

3.6 似然函数

3.7 对数似然函数

3.8 线性不可分

第4章 评估评估已建立的模型

4.1 模型评估

4.2 交叉验证

4.3 正则化

4.4 学习曲线

第5章 实现使用Python编程

5.1 使用Python实现

5.2 回归

5.3 分类——感知机

5.4 分类——逻辑回归

5.5 正则化

5.6 后话

附录

A.1 求和符号、求积符号

A.2 微分

A.3 偏微分

A.4 复合函数

A.5 向量和矩阵

A.6 几何向量

A.7 指数与对数

A.8 Python环境搭建

A.9 Python基础知识

A.10 NumPy基础知识