"本书从机器学习的需求出发，介绍实数域内矩阵理论的基本思想及方法，并辅以直观图解和实际案例，从而大幅降低机器学习的数学门槛。

本书共7章，第1章从主成分分析谈起，通过PCA的原理介绍串联起机器学习中的矩阵方法。第2~7章详细介绍第1章中涉及的矩阵理论和方法，包括

矩阵与

向量空间、

矩阵与

内积空间、矩阵的度量与分解、

向量函数的微分、矩阵与概率统计、矩阵与连续优化

。

本书既可作为计算机类专业研究生或高年级本科生的教材，又可供机器学习或数据处理从业者参考。对于具有高中数学基础的人工智能爱好者来说，本书能够引导他们逐步走进机器学习的数学世界。

"