
读周志华《机器学习》(西瓜书)的人,几乎都会在某一页公式前停下来——书里一句「由式 (3.12) 与 (3.14) 可得」,中间省掉的推导恰恰是最难的那几步。
《南瓜书》要做的就是把这些省略号补上:对西瓜书里较难理解的公式逐个展开,一步一步推导到能看懂为止,涉及的概念和定理也都补充了出处与解释。它不是另一本机器学习教材,而是西瓜书的配套推导手册——手边放一本,卡住时翻到对应章节,通常就能继续往前走。
全书 16 章与西瓜书一一对应:模型评估、线性模型、决策树、神经网络、支持向量机(SVM 的对偶推导是全书最硬核的部分)、贝叶斯分类器、集成学习、聚类、降维、特征选择、计算学习理论、半监督、概率图模型、规则学习,最后到强化学习。
由 Datawhale 南瓜书团队编写,以 CC BY-NC-SA 4.0 协议开源,本站按原许可非商业转载,正文未改动,仓库链接见页脚。配套代码与组队学习材料见原仓库。
目录
16 章 · 点章名直接读- 1第1章 绪论0.4 万字0 阅读
- 2第2章 模型评估与选择0.9 万字0 阅读
- 3第3章 线性模型0.5 万字0 阅读
- 4第4章 决策树0.5 万字0 阅读
- 5第5章 神经网络0.3 万字0 阅读
- 6第6章 支持向量机0.5 万字0 阅读
- 7第7章 贝叶斯分类器0.4 万字0 阅读
- 8第8章 集成学习0.9 万字0 阅读
- 9第9章 聚类0.5 万字0 阅读
- 10第10章 降维与度量学习0.8 万字0 阅读
- 11第11章 特征选择与稀疏学习0.5 万字0 阅读
- 12第12章 计算学习理论0.8 万字0 阅读
- 13第13章 半监督学习0.5 万字0 阅读
- 14第14章 概率图模型0.7 万字0 阅读
- 15第15章 规则学习0.1 万字0 阅读
- 16第16章 强化学习0.1 万字0 阅读
本页正文转载自开源项目 南瓜书:机器学习公式推导详解,按 CC BY-NC-SA 4.0 许可刊载,正文未改动。