机读格式显示(MARC)

• 000 01772nam 2200325 450

• 001 0000823201

• 005 20250819184900.0

• 010 __ |a 978-7-111-77705-2 |d CNY149.00

• 100 __ |a 20250721d2025 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 线性代数与优化 |A xian xing dai shu yu you hua |e 机器学习视角 |f (美) 查鲁·C. 阿加沃尔著 |d = Linear algebra and optimization for machine learning |f Charu C. Aggarwal |g 薄立军译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2025

• 215 __ |a 18, 482页 |c 图 |d 24cm

• 225 2_ |a 数学应用系列 |A shu xue ying yong xi lie

• 306 __ |a 由Springer授权出版

• 314 __ |a 查鲁·C. 阿加沃尔 (Charu C. Aggarwal), IBM T.J.Watson研究中心杰出研究人员 (DRSM), 于1996年在MIT获得博士学位。他对数据挖掘领域有着广泛的研究。

• 320 __ |a 有书目 (第476-482页)

• 330 __ |a 本书从机器学习视角, 系统梳理线性代数与最优化理论, 直击初学者“知识零散、课程脱节”的痛点。全书以“应用导向”贯穿始终, 分两大模块构建知识网络: 1.线性代数及其应用: 从矩阵运算本质出发, 深入剖析奇异值分解 (SVD)、核方法、图谱理论等工具, 通过人脸识别、推荐系统等案例, 展现线性代数在特征提取、降维、异常检测中的核心作用。2.最优化理论及其应用: 以最小二乘回归为支点, 辐射梯度下降、牛顿法、约束优化等算法, 揭示支持向量机、Logistic回归的数学原理, 并延伸至神经网络训练中的计算图优化技术。

• 410 _0 |1 2001 |a 数学应用系列

• 500 10 |a Linear algebra and optimization for machine learning |A Linear Algebra And Optimization For Machine Learning |m Chinese

• 606 0_ |a 线性代数 |A xian xing dai shu |x 机器学习

• 690 __ |a O151.2 |v 5

• 690 __ |a TP181 |v 5

• 701 _1 |a 阿加沃尔 |A a jia wo er |g (Aggarwal, Charu C.) |4 著

• 702 _0 |a 薄立军 |A bao li jun |4 译

• 801 _0 |a CN |b WFKJXY |c 20250819

• 905 __ |a WFKJXY |d O151.2/117