夸克网盘
5积分cos大壮-机器学习必修数学-PDF版本284.47MB
第1章 数学分析基础_第1节-导论：数学分析在数据分析中的角色.pdf405.34KB第1章 数学分析基础_第2节-导数与函数性质.pdf7.39MB第1章 数学分析基础_第3节-梯度与方向导数.pdf3.72MB第1章 数学分析基础_第4节-Taylor 展开与模型近似.pdf3.97MB第1章 数学分析基础_第5节-函数图像与结构性洞察.pdf3.23MB第2章 概率论与机器学习模型原理_第1节-概率论基础与思想流派.pdf2.1MB第2章 概率论与机器学习模型原理_第2节-古典模型与组合问题.pdf4.22MB第2章 概率论与机器学习模型原理_第3节-条件概率与贝叶斯公式.pdf3.8MB第2章 概率论与机器学习模型原理_第4节-常见概率分布.pdf3.75MB第2章 概率论与机器学习模型原理_第5节-概率密度函数与函数变换.pdf5.59MB第2章 概率论与机器学习模型原理_第6节-Sigmoid函数与Logistic模型.pdf4.06MB第2章 概率论与机器学习模型原理_第7节-概率图模型基础.pdf3.2MB第3章 统计建模与参数估计_第1节-统计基础与数据世界.pdf2.93MB第3章 统计建模与参数估计_第2节-统计描述量与数据特征.pdf5.86MB第3章 统计建模与参数估计_第3节-变量间关系与相关结构.pdf4.84MB第3章 统计建模与参数估计_第4节-统计矩与样本统计量.pdf5.88MB第3章 统计建模与参数估计_第5节-概率不等式与集中性理论.pdf4.32MB第3章 统计建模与参数估计_第6节-参数估计方法一：矩估计法.pdf3.06MB第3章 统计建模与参数估计_第7节-参数估计方法二：最大似然估计（MLE）.pdf5.03MB第3章 统计建模与参数估计_第8节-MLE 拓展：正则化与贝叶斯观点.pdf5.25MB第4章 矩阵与线性代数_第0节-引言：为什么机器学习离不开线性代数.pdf1.08MB第4章 矩阵与线性代数_第1节-矩阵基础与线性方程组.pdf7.72MB第4章 矩阵与线性代数_第2节-矩阵结构与性质.pdf4.4MB第4章 矩阵与线性代数_第3节-特征值、特征向量与谱理论.pdf5.68MB第4章 矩阵与线性代数_第4节-奇异值分解（SVD）与矩阵降维.pdf4.18MB第4章 矩阵与线性代数_第5节-线性变换与状态转移（含 QR 分解）.pdf6.45MB第4章 矩阵与线性代数_第6节-矩阵求导与优化初步.pdf6.81MB第4章 矩阵与线性代数_第7节-机器学习中的矩阵分解模型.pdf6.19MB第5章 凸优化_第1节 优化与机器学习的内在联系.pdf6.59MB第5章 凸优化_第2节 凸集与凸函数的几何直觉与数学定义.pdf7.21MB第5章 凸优化_第3节 凸函数的组合性质与不等式工具.pdf6.5MB第5章 凸优化_第4节 凸优化问题的形式与建模示例.pdf3.92MB第5章 凸优化_第5节 对偶性与 Lagrangian 框架.pdf4.72MB第5章 凸优化_第6节 KKT 条件与凸优化的最优性理论.pdf4.62MB第5章 凸优化_第7节 典型凸优化问题与求解方法.pdf4.15MB第5章 凸优化_第8节 Python 中的凸优化工具实战.pdf1.97MB汇总-机器学习必修数学（By cos大壮）.pdf119.69MB