该书用了千页的篇幅讲述了五大板块的内容。其中第一篇就由证明到数据型讲述了数学分析的基本内容,该篇幅为计算机科学的开发者们提供了宝贵的推理和逻辑演绎能力。随后在第二篇「结构」中,该书以数论开始讲述,首先就重点介绍了数论的主题整数集的性能,并由此衍生到计算机科学最基础的结构图论(Graphs)或者说是网络(networks)。在随后的两章节中,该书又向我们介绍了计算理论和概率论,这一部分在我们构建机器学习模型时十分重要和有效。 在该书中,作者在第四章着重介绍了对机器学习算法有重要作用的概率论,其中从概率论那一部分的目录和简介可以看出来作者主要讲述了基本的概率定义和数字特征与假设检验基础,随后由这些基本概率论的定义引出了统计学模型,包括中心极限定理,切比雪夫不等式和马尔可夫理论等重要内容。而这些统计学概念和模型却又正好是机器学习的方法基础。【内含中文目录】
1