这是一本具有高中数学知识就能读懂的机器学习图书，书中通过大量程序实例，将复杂的公式重新拆解，详细、清晰地解读了机器学习中常用的数学知识，一步步带领读者进入机器学习的领域。本书共 22 章，主要讲解了数据可视化、math 模块、sympy 模块、numpy 模块、方程式、函数、最小平方法、集合、概率、贝叶斯定理、指数、对数、欧拉数、逻辑函数、三角函数、大型运算符、向量、矩阵与线性回归等数学知识。

洪锦魁，中国台湾计算机专家，IT图书知名作者。其著作特色：所有程序语法会依特性分类，同时以实用的程序实例进行解说，让读者可以事半功倍地轻松掌握相关知识。近年出版作品：算法零基础一本通（Python版）Python数据科学零基础一本通Python入门很简单Python王者归来Python GUI设计：tkinter菜鸟编程

前 言 近几年每当无法入眠时，只要拿起人工智能、机器学习或深度学习的书籍，看到复杂的数 学公式，我就可以立即进入梦乡，这些书籍成了我的“安眠药”。 所以，一直以来我总想写一本具有高中数学知识就能读懂的人工智能、机器学习或深度学习的书籍（看了不想睡觉也行），这个理念成为我撰写本书的重要动力。 在彻底研究机器学习后，我体会到许多基础数学知识本身不难，只是大家对它们生疏了。 如果在书中将复杂公式从基础开始一步一步推导，其实可以很容易带领读者进入机器学习的领域，让读者感受到数学不再艰涩。这也是我撰写本书时不断提醒自己要留意的事项。 研究机器学习时，虽然有很多模块可以使用，但是一个人如果不懂相关的数学原理，坦白说我不相信未来他能在这个领域有所成就。本书主要讲解了以下数学基础知识。 . 数据可视化模块 matplotlib . 基础数学模块 math . 基础数学模块 sympy . 数学应用模块 numpy . 机器学习基本概念 . 方程式与函数 . 方程式与机器学习 . 从勾股定理看机器学习 . 联立方程式、联立不等式与机器学习 . 机器学习需要知道的二次函数 . 机器学习的最小平方法 . 机器学习必须懂的集合与概率 . 概率与贝叶斯定理的运用 . 指数与对数的运算规则 . 机器学习中重要的欧拉数 (Euler’s Number) 及其由来 . 逻辑函数与 logit 函数 . 三角函数 . 大型运算符 . 向量、矩阵与线性回归 本书沿袭了我之前所著图书的特色，程序实例丰富。相信读者只要遵循书...