Kirk Borne

机器学习的线性代数与优化 [516页教科书]：http://amzn.to/39aWf8N — 本教科书围绕其两个主要主题进行组织：[亚马逊摘要] 1. 线性代数及其应用：这些章节重点介绍线性代数的基础知识及其在奇异值分解、矩阵分解、相似性矩阵（核方法）和图分析中的常见应用。许多机器学习应用被用作示例，例如谱聚类、基于核的分类和异常值检测。 将线性代数方法与机器学习示例结合是本书区别于一般线性代数书籍的地方。重点显然是线性代数中对机器学习最相关的方面，并教授读者如何应用这些概念。 2. 优化及其应用：机器学习的大部分内容被表述为一个优化问题，我们试图最大化回归和分类模型的准确性。以优化为中心的机器学习的“母问题”是最小二乘回归。有趣的是，这个问题同时出现在线性代数和优化中，并且是两者之间的关键连接问题之一。 领域。最小二乘回归也是支持向量机、逻辑回归和推荐系统的起点。此外，降维和矩阵分解的方法也需要优化方法的发展。本文讨论了计算图中优化的一般观点，以及其在神经网络反向传播中的应用。 tworks。