1樓:博斌
Course上的Andrew Ng的課程Machine Learning
2樓:
推薦此書:
Foundations of Machine Learning
By Mehryar Mohri, Afshin Rostamizadeh and Ameet Talwalkar
3樓:商隱
如果要深入學習,可以看Vapnik的Statistical learning theory
和the nature of statistical learning theory
如果只是大致了解一下,可以看Olivier Bousquet 的Introduction to Statistical Learning Theory
4樓:
沒有這樣的教材。機器學習本身就不是很數學的學科,發展方向也不是以構建嚴謹的理論為主。大多數方法的發現和擴充套件都是以heuristic為主,產生的現象和成效很多時候是無法用數學來嚴格證明(譬如neural network)。
具體問題中使用的方法的選擇也是以經驗和validation為主,而不是理論上的對比。
對於絕大多數機器學習的內容,測度論和泛函什麼的幾乎完全用不到(除非你要研究的是和機器學習相關的優化問題)。入門建議看PRML(Pattern Recognition and Machine Learning, by Bishop),講得比較清楚也比較全面。ESL雖然和PRML從難度上是差不多,但並不是教材形式的,更適合學過的人看。
這兩本用到的數學都非常淺可能會讓你失望,但我是沒見過能用到很多數學的機器學習教材(我也想不到有什麼必要這麼做)。
反對一下某個反對我的答案。
我們所指的數學根本不是同乙個概念。你說的是廣義上的數學,包括微積分線性代數凸優化這些。但是根據題主的描述中的」嚴謹公理化「 和 」強調實變函式,測度論上的概率論,與泛函「 來看,他/她指的是狹義的數學,也就是以抽象和證明為主的」數學系的數學「。
機器學習中用到的數學以抽象度來說甚至算不上應用數學,只能說是計算數學或者工科數學。而且對於理解大多數機器學習方法,數學知識都不超過理工科大二內容,和題主想要的明顯相去甚遠。
如何判斷自己是否適合數學系?
代替手機號 做錯說明你不理解,當然,理解了也可能做錯,但那是疏忽。適不適合,看你是否對它熱愛和有興趣。沒興趣和熱愛,那就是活在地獄裡。課本概念記不住,是因為你沒在乎它,或者說只是為了應付考試,而強迫自己去記憶它。你現在是大一,數學分析剛開始學時,有些概念確實是很難理解。日本菲爾茨得主數學家小平邦彥的...
能否推薦一些適合數學系學生看的書?
xinggu 蘇競存 流形的拓撲學 豆瓣鏈結 通常的數學書作者,為了嚴格性,往往先給出相當多的技術性內容,再借助這些技術準備來表述和解決重要的問題。這種寫法對於作者來說是如魚得水,但是對於精力有限的讀者就很容易勸退了。流形的拓撲學 在這一點上與眾不同。下面這一段摘自其序言的文字概括了此書的特別之處 ...
數學系學生如何學習經濟學?
炎雪 既然是數學系的,那就不客氣了,建議微觀方面mwg,直接看吧,全是數學公式,巨集觀方面,感覺羅曼的巨集觀經濟學就不錯,還有格林的計量經濟學,這三本看完基本上基礎就夠了,喜歡什麼方向看看什麼方向吧,剛考完三高的淚奔 maria 範里安的中級微觀,我覺得數學還不錯的話入門還挺好。但是說實話,雖然我是...