Kirk Borne

《面向机器学习的线性代数与优化》[516 页教材]：http://amzn.to/39aWf8N — 本书围绕两大主题组织：[Amazon 摘要] 1. 线性代数及其应用：各章聚焦线性代数基础及其在奇异值分解、矩阵分解、相似矩阵（核方法）与图分析中的常见应用。大量机器学习应用被用作例子，例如谱聚类、基于核的分类与异常检测。线性代数方法与机器学习示例的紧密结合，使本书有别于一般线性代数教材。重点显然在与机器学习最相关的线性代数方面，并教读者如何应用这些概念。 2. 优化及其应用：机器学习的大量问题被表述为优化问题，我们试图最大化回归与分类模型的准确率。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，该问题同时出现在线性代数与优化中，是连接这两个领域的关键问题之一。最小二乘回归也是支持向量机、逻辑回归与推荐系统的起点。此外，降维与矩阵分解方法也需要优化方法的发展。书中还讨论了计算图中优化的一般视角及其在神经网络反向传播中的应用。