1,2,3。3是1。1,2,3。3是2。—大岛弓子,《棉之国星》
致读者 1序言 1第1章 数列和数学模型 11 1 樱花树下 11 2 自己家 51 3 数列智力题没有正确答案 8第2章 一封名叫数学公式的情书 132 1 在校门口 132 2 心算智力题 142 3 信
光让事情留在记忆里总不行啊,需要回忆出来大家共享的。——小林秀雄我忘不了。我怎么也忘不了高中时期因数学而结缘的她们。她们是用一流的解法打动我的才女—米尔嘉,认真向我发问的活力少女—泰朵拉。回想起那
编辑推荐:日本数学会权威推荐绝赞的数学科普书原版全系列累计销量突破27万册!日本数学会出版奖得主结城浩畅销力作在动人的故事中走近数学,在青春的浪漫中理解数学拨开层层密林,找出宝藏,数学就是这样一种令
本书以小说的形式展开,重点描述一群年轻人探寻数学中的美。内容由浅入深,数学讲解部分十分精妙,被称为绝赞的初等数学科普书。内容涉及数列和数学模型、斐波那契数列、卷积、调和数、泰勒展开、巴塞尔问题、分
理解了随机性和概率基础,下一步我们与之前介绍的矩阵结合起来,将它扩展到多维的情况。矩阵是具有相同特征和维度的对象集合,其中每个对象,也称为行向量,都具有一个以上特征。如果,每个特征都用一个随机变量
对事物运动这种不确定性(随机性)的度量就是概率论,接下来我们考察一下概率的基本概念。衡量事物运动的随机性,必须从整体而不是局部来认知事物, 因为从每个局部,事物可能看起来都是不同的(或相同的)。不像其他
让我们改变一下视角,从整体上观察矩阵(集合)中的对象分布与矩阵整体的关系。这需要引入一个新的概念:概率论。概率论是整个数学大厦中比较难理解的一门学科。这多少与直觉有点差异,人们常把概率简单理解为事件
本节所列的距离公式列表和代码如下:闵可夫斯基距离(Minkowski Distance)欧氏距离(Euclidean Distance)曼哈顿距离(Manhattan Distance)切比雪夫距离(Chebyshev Distance)夹角余弦(Cosine)汉明距离(Hamming
继续以第一节的表1 5为例,我们做出如下的精简(如表1 7):其中每个对象都是一个特征向量,从直觉上,我们可将其分为两大类:大型动物:大象、鲨鱼水果:苹果、梨因为大象和鲨鱼都很大,生命周期也都很长,相比之
上一节,我们建立了矩阵的概念,并介绍了矩阵基本运算的Python实现。从本节开始,我们学习有关机器学习的一些最基本的数学概念。一谈到数学,大多数人的感觉就一个字:晕。其实,数学让人觉得难的地方不外乎两点
在矩阵基本运算的基础之上,Numpy的linalg库可以满足大多数的线性代数运算,本节所列的矩阵公式列表和代码如下:矩阵的行列式矩阵的逆矩阵的对称矩阵的秩可逆矩阵求解线性方程组读者可根据自己需求有选择的学习。
为了便于理解后续章节算法部分的讲解,本节将常用的矩阵数学公式和程序代码对应出来,读者可根据自己需求有选择的学习。因使用矢量编程的方法,矩阵的基本运算得到了较大的简化。1 矩阵的初始化:import numpy
传统的计算机设计语言,例如C语言,是针对标量的,虽然也提供诸如数组、二维数组的数据结构,但这些结构的赋值、加法、数乘、转置、矩阵相乘还是要通过循环语句完成,十分麻烦,导致程序设计的复杂度也比较高。m
在线性代数中我们学过,矩阵是由m×n个数组成的一个m行n列的矩形表格,或者更深一点的定义,表示由方程组的系数及常数所构成的二维数据表。从机器学习的角度来看,这两个定义都合适,又都不合适。现在,我们
1 2 对象、矩阵与矢量化编程有了工具,很多事情就变得方便了。现在,我们正式进入机器学习的基础知识。简单回忆一下绪论部分所提出的三种对象类型:文本、表格、图。乍一看,有点眼花缭乱,仔细分析下来,三种结
Python的各类算法库安装完成之后,一般需要选个开发平台(IDE)编写代码。本书的核心内容偏重算法设计,对IDE要求不高,推荐使用Ultraedit高级文本编辑器。主要考虑资源占用较小,功能较强,支持多种文件编码转换,
最初,Python社区仿照Matlab开发了类似的数学分析库,主要包括 NumPy和SciPy来处理数据,Matplotlib实现数据可视化。大多数Python数学和算法领域的应用都广泛地将其作为基本的程序库。很快,为了适应处理大规模
1 1 编程语言与开发环境1 1 1 搭建python开发环境工欲善其事,必先利其器,还好Python语言还算锋利,一般具有程序设计基础的读者,几周就可掌握本书中所需的语言技术。因此,书中绝大多数程序代码都使用Python
基础决定高度,而不是高度决定基础。机器学习脱胎于人工智能,自诞生开始,就充满了挑战,这个领域从来都吸引了全世界最顶尖的科学家,本书所讲述的正是他们多年的研究成果。对于普通读者而言,快速而全面的掌握