目 录
第 1 章 数据可视化
1-1 认识 matplotlib.pyplot 模块的主要函数
1-2 绘制简单的折线图 plot( )
1-3 绘制散点图 scatter( )
1-4 numpy 模块
1-5 图表显示中文
第 2 章 数学模块 math 和 sympy
2-1 数学模块的变量
2-2 一般函数
2-3 log( ) 函数
2-4 三角函数
2-5 sympy 模块
第 3 章 机器学习基本概念
3-1 人工智能、机器学习、深度学习
3-2 认识机器学习
3-3 机器学习的种类
3-4 机器学习的应用范围
第 4 章 机器学习的基础数学
4-1 用数字描绘事物
4-2 变量概念
4-3 从变量到函数
4-4 等式运算的规则
4-5 代数运算的基本规则
4-6 用数学抽象化开餐厅的生存条件
4-7 基础数学的结论
认识方程式、函数、
第 5 章 坐标图形
5-1 认识方程式
5-2 方程式文字描述方法
5-3 一元一次方程式
5-4 函数
5-5 坐标图形分析
5-6 将线性函数应用在机器学习
从联立方程式看机器
第 6 章 学习的数学模型
6-1 数学概念建立连接两点的直线
6-2 机器学习使用联立方程式预估数据
6-3 从 2 条直线的交叉点预估科学数据
6-4 两条直线垂直交叉
6-5 联立不等式
第 7 章 从勾股定理看机器学习
7-1 验证勾股定理
7-2 将勾股定理应用在能力倾向测验
7-3 将勾股定理应用在三维空间
7-4 将勾股定理应用在更高维的空间
7-5 电影分类
第 8 章 联立不等式与机器学习
8-1 联立不等式的基本概念
8-2 联立不等式的线性规划
8-3 Python 计算
第 9 章 机器学习需要知道的二次函数
9-1 二次函数的基础数学
9-2 从一次到二次函数
9-3 认识二次函数的系数
9-4 使用 3 个点求解二次函数
9-5 二次函数的配方法
9-6 二次函数与解答区间
第 10 章 机器学习的最小平方法
10-1 最小平方法基本概念
10-2 简单的企业实例
10-3 机器学习建立含误差值的线性方程式
10-4 numpy 实践最小平方法
10-5 线性回归
10-6 实例应用
第 11 章 机器学习必须懂的集合
11-1 使用 Python 建立集合
11-2 集合的操作
11-3 子集、超集与补集
11-4 加入与删除集合元素
11-5 幂集与 sympy 模块
11-6 笛卡儿积
第 12 章 机器学习必须懂的排列与组合
12-1 排列的基本概念
12-2 有多少条回家路
12-3 排列组合
12-4 阶乘的概念
12-5 重复排列
12-6 组合
第 13 章 机器学习需要认识的概率
13-1 概率基本概念
13-2 数学概率与统计概率
13-3 事件概率名称
13-4 事件概率规则
13-5 抽奖的概率 ：加法与乘法综合应用
13-6 余事件与乘法的综合应用
13-7 条件概率
13-8 贝氏定理
13-9 蒙地卡罗模拟
第 14 章 二项式定理
14-1 二项式的定义
14-2 二项式的几何意义
14-3 二项式展开与规律性分析
14-4 找出 x n-k y k 项的系数
14-5 二项式的通式
14-6 二项式到多项式
14-7 二项分布实验
14-8 将二项式概念应用在业务数据分析
14-9 二项式概率分布 Python 实践
第 15 章 指数概念与指数函数
15-1 认识指数函数
15-2 指数运算的规则
15-3 指数函数的图形
第 16 章 对数
16-1 认识对数函数
16-2 对数表的功能
16-3 对数运算可以解决指数运算的问题
16-4 认识对数的特性
16-5 对数的运算规则与验证
第 17 章 欧拉数与逻辑函数
17-1 欧拉数
17-2 逻辑函数
17-3 logit 函数
17-4 逻辑函数的应用
第 18 章 三角函数
18-1 直角三角形的边长与夹角
18-2 三角函数的定义
18-3 计算三角形的面积
18-4 角度与弧度
18-5 程序处理三角函数
18-6 从单位圆看三角函数
第 19 章 从基础统计了解大型运算符
19-1 加总消费金额
19-2 计算平均单笔消费金额
19-3 方差
19-4 标准偏差
19-5 Σ 符号运算规则与验证
19-6 活用 Σ 符号
第 20 章 机器学习的向量
20-1 向量的基础概念
20-2 向量加法的规则
20-3 向量的长度
20-4 向量方程式
20-5 向量内积
20-6 皮尔逊相关系数
20-7 向量外积
第 21 章 机器学习的矩阵
21-1 矩阵的表达方式
21-2 矩阵相加与相减
21-3 矩阵乘以实数
21-4 矩阵乘法
21-5 方形矩阵
21-6 单位矩阵
21-7 反矩阵
21-8 用反矩阵解联立方程式
21-9 张量
21-10 转置矩阵
第 22 章 向量、矩阵与多元线性回归
22-1 向量应用在线性回归
22-2 向量应用在多元线性回归
22-3 矩阵应用在多元线性回归
22-4 将截距放入矩阵
22-5 简单的线性回归
