116页PDF小册子：机器学习中的概率论、统计学、线性代数

大家好，我是章北海

我正在撰写《机器学习算法与Python实战》专栏，分为基础篇、数学篇、模型篇、实战篇。

最近我把数学篇的三章内容整理了一下，做成了这个 116页的PDF小册子 。

小册子一共三个章节，介绍了机器学习中的概率论、统计学、线性代数知识点，以下是章节简介及内容大纲：

《机器学习中的概率论》

概率论知识在机器学习中十分重要，但是学习起来却有些困难。难点是：不知道需要学多少，学多深。经典如斯坦福大学CS 229 机器学习课程的概率论预备知识要求非常广泛，而Coursera上有一门《机器学习概率与统计》课程，讲的事无巨细，学完需要23个小时。《机器学习中的概率论》这一章，我参考2023年斯坦福大学CS229课程中的概率论预备知识，不过简，也不过繁，尽可能把机器学习所需的概率知识介绍完整，并附带 代码示例 。

《机器学习中的统计学》

机器学习基于统计的框架，因为机器学习涉及数据，而数据必须基于统计学框架来进行描述。李航老师的经典机器学习教材第一版名字就叫《统计学习方法》，可见机器学习与统计学的关系多紧密。统计学有着庞大的知识体系，绝大部分对理解机器学习相关概念毫无益处，反而会让人更加迷惑。《机器学习中的统计学》一章，我仅介绍与机器学习强关联的统计学知识点，配以代码辅助理解。