finney，weir，giordano．《托馬斯微積分》.葉其孝，王耀東,唐兢譯.第10版. 北京：高等教育出版社 2003-1
steven j.leon.《線性代數》.張文博，張麗靜譯.第8版.北京：機械工業出版社
william mendenhall等.《統計學》. 梁馮珍，關靜譯.第5版.北京：機械工業出版社
dimitri p. bertsekas等.《概率導論》.鄭忠國，童行偉譯.第2版.北京：人民郵電出版社
kenneth h.rosen等.《離散數學及其應用》.袁崇義，屈婉玲，張桂芸譯.第6版.北京：機械工業出版社
eberhard zeidler等.《數學指南：實用數學手冊》.李文林譯.北京：科學出版社
這個我讀過的最簡單的隨機過程當屬張波張景肖的應用隨機過程，清華版，不過馬氏過程寫的不夠詳細，這方面最好的當屬何聲武的《隨機過程引論》，寫得相當好，簡單明白易懂。至於稍微深入一點點的可以看看何書元的《隨機過程》，證明除極個別外比較不錯，林元烈的《應用隨機過程》很是不錯，看的很有味。如果有不懂的條件期望的內容可以參見復旦的《現代概率論基礎》，這個有點難度，因為用到實變函式的內容，或者參見北大版的《測度論與概率論基礎》，這本書不錯，四五天就能搞定，前提基礎不錯，以上是我看過的覺得不錯的教材，至於ross的兩本隨機過程看起來馬馬虎虎
2 機器學習相關數學基礎
1.高等數學 1 函式 2 極限 3 導數 4 極值和最值 極值點 是在一階導數等於0的點,2階導大於0是極小值,2階導小於0是極大值.2階導等於0是拐點,不是極值點.最值 在定義域內的最大最小值 5 泰勒級數 6 梯度 7 梯度下降 2.線性代數 1 基本概念 2 行列式 3 矩陣 4 最小二乘法...
機器學習之相關數學基礎
1 函式 2 極限 3 導數 4 極值和最值 5 泰勒級數 6 梯度 7 梯度下降 1 基本概念 2 行列式 3 矩陣 4 最小二乘法 5 向量的線性相關性 1 事件 2 排列組合 3 概率 4 貝葉斯定理 5 概率分布 6 期望和方差 7 引數估計 1 p2 概率論與貝葉斯先驗 2 p3 矩陣和線...
2 機器學習相關數學基礎
一 學習筆記 1.線性代數 1 基本概念 2 矩陣 3 向量 2.概率論 1 事件 2 概率 3 概率分布 4 期望和方差 二 關於 梯度 梯度下降 和 貝葉斯定理 梯度 梯度是乙個向量，它的方向與取得最大方向導數的方向一致，而它的模為方向導數的最大值。即函式在該點處沿著梯度的方向變化最快，變化率最...