【UC】伯克利一份简明《机器学习数学基础》丝滑入门手册，47页pdf

机器学习使用来自各种数学领域的工具。本文件试图提供一个概括性的数学背景，需要在入门类的机器学习，这是在加州大学伯克利分校被称为CS 189/289A。

https://people.eecs.berkeley.edu/~jrs/189/

我们的假设是读者已经熟悉多变量微积分和线性代数的基本概念(达到UCB数学53/54的水平)。我们强调，本文档不是对必备类的替代。这里介绍的大多数主题涉及的很少;我们打算给出一个概述，并指出感兴趣的读者更全面的理解进一步的细节。

请注意，本文档关注的是机器学习的数学背景，而不是机器学习本身。我们将不讨论特定的机器学习模型或算法，除非可能顺便强调一个数学概念的相关性。

这份文件的早期版本不包括校样。我们已经开始在一些证据中加入一些比较简短并且有助于理解的证据。这些证明不是cs189的必要背景，但可以用来加深读者的理解。