总结了新人学习机器学习过程中需要用的常用数学公式汇总

第⼀一章 数学基础 1.1 标量量、向量量、矩阵、张量量之间的联系 1.2 张量量与矩阵的区别? 1.3 矩阵和向量量相乘结果 1.4 向量量和矩阵的范数归纳 1.5 如何判断⼀一个矩阵为正定? 1.6 导数偏导计算 1.7 导数和偏导数有什什么区别? 1.8 特征值分解与特征向量量 1.9 奇异值与特征值有什什么关系? 1.10 机器器学习为什什么要使⽤用概率? 1.11 变量量与随机变量量有什什么区别? 1.12 常⻅见概率分布 1.13 举例例理理解条件概率 1.14 联合概率与边缘概率联系区别? 1.15 条件概率的链式法则 1.16 独⽴立性和条件独⽴立性 1.17 期望、⽅方差、协⽅方差、相关系数总结

很好用的自定义机器学习数学建模编程语言，可在matlab，python，R等多种语言下使用

https://michaelbeechan.blog.csdn.net/article/details/115030453 Sanjeev Arora教授

机器学习使用来自各种数学领域的工具。本文件试图提供一个概括性的数学背景，需要在入门类的机器学习，这是在加州大学伯克利分校被称为CS 189/289A。

深入浅出的数学书，计算智能和机器学习的入门基础。这是我目前看过的最浅显易懂，最深入浅出的计算智能数学基础。非常适合数学基础不好但又想或不得不接触机器学习和计算智能的同学。