《使用数学和 Python 进行机器学习的内核方法:构建逻辑的 100 个练习(Kernel Methods for Machine Learning with Math and Python: 100 Exercises for Building Logic)》
机器学习和数据科学最关键的能力是掌握其本质的数理逻辑,而不是依赖知识或经验。这本教科书通过考虑相关的数学问题和构建 Python 程序来解决机器学习内核方法的基础知识。
本书的主要特点如下:
- 内容以易于遵循和独立的风格编写。
- 本书收录了100个练习,经过精心挑选和完善。由于他们的解决方案在正文中提供,读者可以通过阅读本书来解决所有练习。
- 证明了内核的数学前提,并提供了正确的结论,帮助读者理解内核的本质。
- 提供了源程序和运行示例,以帮助读者更深入地了解所使用的数学。
- 一旦读者对第2章中涵盖的功能分析主题有了基本的了解,将在后续章节中讨论这些应用。在这里,没有假设数学的先验知识。
- 本书考虑了再现核希尔伯特空间(RKHS)的核和高斯过程的核;两者之间有明显的区别。
0条评论