【机器学习数学】
大小:(90 Bytes)

只需: RMB 9元  马上下载

内容精悍明了，适合自学！
第1章-微分上
第2章-微分下
第3章-线性代数
第4章-概率统计
第5章-zui优化方法
    -1 课程介绍
    1-10 总结
    1-2 O（n）
    1-3 极限
    1-4 导数
    1-5 求导方法
    1-6 费马定理
    1-7 函数逼近
    1-8 泰勒展开
    1-9 凸函数
    2-1 介绍
    2-10 总结
    2-2 多元函数
    2-3 偏导数
    2-4 方向导数
    2-5 可微
    2-6 梯度
    2-7 链式法则
    2-8 Hessian矩阵
    2-9 拉格朗日乘数法
    -1 介绍
    3-10 总结
    3-2 向量矩阵张量
    3-3 向量与矩阵运算
    3-4 张量的运算
    3-5 矩阵的逆与伪逆
    3-6 行列式
    3-7 线性方程组
    3-8 二次型与正定性
    3-9 矩阵分解
    4-1 介绍
    4-10 zuida后验估计
    4-11 蒙特卡洛方法
    4-12 Bootstrap方法
    4-13 EM算法
    4-14 总结
    4-2 随机变量与概率分布
    4-3 贝叶斯定理
    4-4 期望、方差与条件数学期望
    4-5 大数定律
    4-6 特征函数与中心极限定理
    4-7 统计学基本概念
    4-8 统计学基本概念
    4-9 极大似然估计    4-1 介绍
    4-10 zuida后验估计
    4-11 蒙特卡洛方法
    4-12 Bootstrap方法
    4-13 EM算法
    4-14 总结
    4-2 随机变量与概率分布
    4-3 贝叶斯定理
    4-4 期望、方差与条件数学期望
    4-5 大数定律
    4-6 特征函数与中心极限定理
    4-7 统计学基本概念
    4-8 统计学基本概念
    4-9 极大似然估计