摘要：?本文是一份關(guān)于機(jī)器學(xué)習(xí)中線性代數(shù)學(xué)習(xí)指南，所給出的資源涵蓋維基百科網(wǎng)頁、教材、視頻等，機(jī)器學(xué)習(xí)從業(yè)者可以從中選擇合適的資源進(jìn)行學(xué)習(xí)。

對(duì)于機(jī)器學(xué)習(xí)而言，要學(xué)習(xí)的特征大多數(shù)是以矩陣的形式表示。線性代數(shù)是一門關(guān)于矩陣的數(shù)學(xué)，也是機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)重要支柱。

對(duì)初學(xué)者來說，線性代數(shù)可能是一個(gè)富有挑戰(zhàn)性的難點(diǎn)。那么通過這篇文章，你會(huì)收獲如何學(xué)習(xí)與機(jī)器學(xué)習(xí)相關(guān)的線性代數(shù)內(nèi)容的相關(guān)建議與幫助。

讀完這篇文章，你就會(huì)了解：

可以參考維基百科上的文章和線性代數(shù)教材

可以學(xué)習(xí)或復(fù)習(xí)線性代數(shù)的大學(xué)課程和在線課程

一些關(guān)于線性代數(shù)主題討論的問答網(wǎng)站

維基百科上的線性代數(shù)解釋

維基百科是一個(gè)偉大的網(wǎng)站，所有的重要主題的描述大多都是簡潔、正確的。但存在的不足就是缺少更多人性化的描述，如類比等。

然而，當(dāng)你對(duì)線性代數(shù)有一些疑問時(shí)，我建議你首先不要從維基百科上面尋找答案。維基百科上面一些關(guān)于線性代數(shù)好的網(wǎng)頁有以下幾個(gè)：

• 線性代數(shù)
  
• 矩陣
  
• 矩陣分解
  
• 線性代數(shù)相關(guān)的主題列表
  

線性代數(shù)教材

強(qiáng)烈建議手頭上有一本好的線性代數(shù)教材，并將其作為參考教材。一本好教材的好處就是書上內(nèi)容的解釋都應(yīng)該是相一致，而缺點(diǎn)可以是非常昂貴的。那么如何去尋找一本好的教材呢？答案很簡單，就是一些頂尖大學(xué)的本科或研究生課程所需的線性代數(shù)教材。

我建議的一些基礎(chǔ)性的教材包括一下幾本（僅供參考）：

• Gilbert Strang，2016·第五版·線性代數(shù)概述
  
• Sheldon Alex，2015·第三版·線性代數(shù)應(yīng)該這樣學(xué)
  
• Ivan Savov，2017·沒有廢話的線性代數(shù)指南
  

此外，建議的一些更高層次的教材如下：

• Gene Golub 和 Charles Van Loan，2012·矩陣計(jì)算
  
• Lloyd Trefethen 和 David Bau，1997·數(shù)值線性代數(shù)
  

另外推薦一些關(guān)于多元統(tǒng)計(jì)的好教材，這是線性代數(shù)和數(shù)值統(tǒng)計(jì)方法的集合。

• Richard Johnson 和 Dean Wichern，2012·應(yīng)用多元統(tǒng)計(jì)分析
  
• Wolfgang Karl Hardle 和 Leopold Simar，2015·應(yīng)用多元統(tǒng)計(jì)分析
  

也有一些在線的書籍，這些書籍可以在維基百科線性代數(shù)詞條的最后一部分內(nèi)容中可以看到。

線性代數(shù)大學(xué)課程

大學(xué)的線性代數(shù)課程是有用的，這使得本科生學(xué)習(xí)到他們應(yīng)該掌握的線性代數(shù)內(nèi)容。而作為一名機(jī)器學(xué)習(xí)實(shí)踐者，大學(xué)的線性代數(shù)課程內(nèi)容可能超過你所需掌握的內(nèi)容，但這也能為你學(xué)習(xí)機(jī)器學(xué)習(xí)相關(guān)線性代數(shù)內(nèi)容打下堅(jiān)實(shí)的基礎(chǔ)。

現(xiàn)在許多大學(xué)課程提供幻燈片的講義、筆記等PDF電子版內(nèi)容。有些大學(xué)甚至提供了預(yù)先錄制的講座視頻，這無疑是珍貴的。

我鼓勵(lì)你通過使用大學(xué)課程教材，深入學(xué)習(xí)相關(guān)課程來加深對(duì)機(jī)器學(xué)習(xí)中特定主題的理解。而不需要完全從頭學(xué)到尾，這對(duì)于機(jī)器學(xué)習(xí)從業(yè)者來說太費(fèi)時(shí)間了。

美國頂尖學(xué)校推薦的課程如下：

• Gilbert Strang·麻省理工學(xué)院·線性代數(shù)
  
• Philip Klein·布朗大學(xué)·計(jì)算科學(xué)中的矩陣
  
• Rachel Thomas·舊金山大學(xué)·針對(duì)編程者的線性代數(shù)計(jì)算
  

線性代數(shù)在線課程

與線性代數(shù)大學(xué)課程不同，在線課程作為遠(yuǎn)程教育而言顯得不是那么完整，但這對(duì)于機(jī)器學(xué)習(xí)從業(yè)者而言學(xué)起來相當(dāng)?shù)目臁Ｍ扑]的一些在線課程如下：

• 可汗學(xué)院·線性代數(shù)
  
• edX·線性代數(shù)：前沿基礎(chǔ)
  

問答平臺(tái)

目前網(wǎng)絡(luò)上存在大量的問答平臺(tái)，讀者們可以在上面進(jìn)行相關(guān)話題的討論。以下是我推薦的一些問答平臺(tái)，在這里要注意，一定要記得定期訪問之前發(fā)布的問題及壇友的解答。

• 數(shù)學(xué)棧交換中的線性代數(shù)標(biāo)記
  
• 交叉驗(yàn)證的線性代數(shù)標(biāo)記
  
• 堆棧溢出的線性代數(shù)標(biāo)記
  
• Quora上的線性代數(shù)主題
  
• Reddit上的數(shù)學(xué)主題
  

Numpy資源

如果你是用Python實(shí)現(xiàn)相關(guān)的機(jī)器學(xué)習(xí)項(xiàng)目，那么Numpy對(duì)你而言是非常有幫助的。

Numpy API文檔寫得很好，以下是一些參考資料，讀者可以閱讀它們來了解更多關(guān)于Numpy的工作原理及某些特定的功能。

• Numpy參考
  
• Numpy數(shù)組創(chuàng)建例程
  
• Numpy數(shù)組操作例程
  
• Numpy線性代數(shù)
  
• Scipy線性代數(shù)
  

如果你同時(shí)也在尋找關(guān)于Numpy和Scipy更多的資源，下面有幾個(gè)好的參考教材：

• 2017·用Python進(jìn)行數(shù)據(jù)分析
  
• 2017·Elegant?Scipy
  
• 2015·Numpy指南
  

作者信息

Jason Brownlee，機(jī)器學(xué)習(xí)專家，專注于機(jī)器學(xué)習(xí)教育

文章原標(biāo)題《Top Resources for Learning Linear Algebra for Machine Learning》，作者：Jason Brownlee，

譯者：海棠，審閱：袁虎。

原文鏈接

干貨好文，請(qǐng)關(guān)注掃描以下二維碼：

總結(jié)

以上是生活随笔為你收集整理的一份关于机器学习中线性代数学习资源的汇总的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。