機器學習入門書籍導讀-工程高等代數

今天要分享的是一本叫做《工程高等代數》的書，這門課簡稱高工代，應該很多工科生都會要求學的吧，我看的這版我覺得應該算內容比較全的，是北郵出版的不太好找，我直接把購買連結貼到這：

https://item.taobao.com/item.htm?spm=a230r.1.14.16.3a7b277aWakAbA&id=562751363364&ns=1&abbucket=4#detail

推薦指數：4顆星

這本書之所以好，是因為把機器學習用到的一些基礎的數學理論都包含了，而且也沒有特別的深，做個基本科普是不錯的，可惜缺了一點矩陣分解的內容，可以通過另一本書《矩陣論》補充。我還記得上學的時候這門課我考了89分，對學渣來講是個不錯的成績了，因為這個課不及格的特多。

第一章：一元多項式

這一章如果看了高數之後，覺得比較雞肋，基本上就是講一些集合多項式的基礎概念，還不如看高數呢，直接跳過。

第二章：矩陣

開始介紹一些向量以及矩陣的加減乘除法，這部分是為了後面的複雜的矩陣變換做鋪墊。因為機器學習演算法大都是一些矩陣的計算，所以這一章是基礎。講的通俗易懂，不像研究生《矩陣論》講了巨多複雜的定理。這一章最後介紹了矩陣的秩的解法，秩關乎到多項式方程是否能解得問題，跟計算機原理中的與或門、電子電路的一些求解都有很大的關係。

第三章、第四章：線性空間與線性變換、線性方程組

這兩章一起看，主要介紹了空間線性相關性的概念，包括一些矩陣轉置的解法，這個對於矩陣分解（推薦系統的原型）是非常重要的，另外轉置以及線性變換主要是給第五章做鋪墊。

第五章：矩陣特徵值與特徵向量

這一章就太重要了，最體現這裡面數學原理的演算法就是PCA，怎麼通過提取特徵值和特徵向量達到降維的效果，所以要做特徵降維操作一定好好看看這一章。

第六章：歐式空間與二次型

主要講的是空間距離的矩陣計算，SVM演算法的原理就需要這一章的理論基礎。另外很多機器學習演算法都需要求餘弦距離，也是這一章會講的。