本書彌補了純數(shù)學書籍和機器學習書籍存在的單一性問題，介紹了理解機器學習所需的必備數(shù)學概念，例如線性代數(shù)、解析幾何、矩陣分解、向量微積分、優(yōu)化、概率和統(tǒng)計，并使用這些概念推導出了四種核心機器學習方法：線性回歸、主成分分析、高斯混合模型和支持向量機。本書每一章都包括一些例子，大部分章還配有習題，以方便讀者測試對所學知識的理解程度。