Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
ml-mastery-zh
提交
1adb65e3
M
ml-mastery-zh
项目概览
OpenDocCN
/
ml-mastery-zh
9 个月 前同步成功
通知
2
Star
556
Fork
158
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-mastery-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
1adb65e3
编写于
12月 15, 2021
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2021-12-15 22:02:59
上级
d954c5c2
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
20 addition
and
20 deletion
+20
-20
docs/linalg/SUMMARY.md
docs/linalg/SUMMARY.md
+20
-20
未找到文件。
docs/linalg/SUMMARY.md
浏览文件 @
1adb65e3
+
[
Machine Learning Mastery 线性代数教程
](
README.md
)
+
[
机器学习数学符号的基础知识
](
basics-mathematical-notation-machine-learning.md
)
+
[
用 NumPy 数组轻松介绍广播
](
broadcasting-with-numpy-arrays.md
)
+
[
如何
从 Python 中的 Scratch
计算主成分分析(PCA)
](
calculate-principal-component-analysis-scratch-python.md
)
+
[
用于编码器审查的计算线性代数
](
computational-linear-algebra-coders-review.md
)
+
[
10 机器学习中的线性代数示例
](
examples-of-linear-algebra-in-machine-learning.md
)
+
[
机器学习
中
数学符号的基础知识
](
basics-mathematical-notation-machine-learning.md
)
+
[
NumPy 数组广播的温和介绍
](
broadcasting-with-numpy-arrays.md
)
+
[
如何
在 Python 中从零开始
计算主成分分析(PCA)
](
calculate-principal-component-analysis-scratch-python.md
)
+
[
面向程序员的计算线性代数回顾
](
computational-linear-algebra-coders-review.md
)
+
[
10
个
机器学习中的线性代数示例
](
examples-of-linear-algebra-in-machine-learning.md
)
+
[
线性代数的温和介绍
](
gentle-introduction-linear-algebra.md
)
+
[
用 NumPy 轻松介绍 Python 中的 N 维数组
](
gentle-introduction-n-dimensional-arrays-python-numpy.md
)
+
[
Python NumPy 的 N 维数组的温和介绍
](
gentle-introduction-n-dimensional-arrays-python-numpy.md
)
+
[
机器学习向量的温和介绍
](
gentle-introduction-vectors-machine-learning.md
)
+
[
如何在 Python 中为机器学习索引,切片和重塑 NumPy 数组
](
index-slice-reshape-numpy-arrays-machine-learning-python.md
)
+
[
机器学习的矩阵和矩阵算法简介
](
introduction-matrices-machine-learning.md
)
+
[
温和地介绍机器学习的特征分解,特征值和特征向量
](
introduction-to-eigendecomposition-eigenvalues-and-eigenvectors.md
)
+
[
NumPy
对
期望值,方差和协方差的简要介绍
](
introduction-to-expected-value-variance-and-covariance.md
)
+
[
面向机器学习的特征分解,特征值和特征向量的温和介绍
](
introduction-to-eigendecomposition-eigenvalues-and-eigenvectors.md
)
+
[
NumPy 期望值,方差和协方差的简要介绍
](
introduction-to-expected-value-variance-and-covariance.md
)
+
[
机器学习矩阵分解的温和介绍
](
introduction-to-matrix-decompositions-for-machine-learning.md
)
+
[
用 NumPy 轻松介绍机器学习的张量
](
introduction-to-tensors-for-machine-learning.md
)
+
[
用于
机器学习的线性代数中的矩阵类型简介
](
introduction-to-types-of-matrices-in-linear-algebra.md
)
+
[
用于
机器学习的线性代数备忘单
](
linear-algebra-cheat-sheet-for-machine-learning.md
)
+
[
线性代数的深度学习
](
linear-algebra-for-deep-learning.md
)
+
[
用于
机器学习的线性代数(7 天迷你课程)
](
linear-algebra-machine-learning-7-day-mini-course.md
)
+
[
机器学习的线性代数
](
linear-algebra-machine-learning.md
)
+
[
机器学习
矩阵运算的温和介绍
](
matrix-operations-for-machine-learning.md
)
+
[
线性代数
评论没有废话
指南
](
no-bullshit-guide-to-linear-algebra-review.md
)
+
[
学习机器
学习线性代数的主要资源
](
resources-for-linear-algebra-in-machine-learning.md
)
+
[
面向机器学习的 NumPy 张量的温和介绍
](
introduction-to-tensors-for-machine-learning.md
)
+
[
面向
机器学习的线性代数中的矩阵类型简介
](
introduction-to-types-of-matrices-in-linear-algebra.md
)
+
[
面向
机器学习的线性代数备忘单
](
linear-algebra-cheat-sheet-for-machine-learning.md
)
+
[
面向深度学习的线性代数
](
linear-algebra-for-deep-learning.md
)
+
[
面向
机器学习的线性代数(7 天迷你课程)
](
linear-algebra-machine-learning-7-day-mini-course.md
)
+
[
面向
机器学习的线性代数
](
linear-algebra-machine-learning.md
)
+
[
面向机器学习的
矩阵运算的温和介绍
](
matrix-operations-for-machine-learning.md
)
+
[
线性代数
回顾的没有废话的
指南
](
no-bullshit-guide-to-linear-algebra-review.md
)
+
[
在机器学习中
学习线性代数的主要资源
](
resources-for-linear-algebra-in-machine-learning.md
)
+
[
浅谈机器学习的奇异值分解
](
singular-value-decomposition-for-machine-learning.md
)
+
[
如何用线性代数求解线性回归
](
solve-linear-regression-using-linear-algebra.md
)
+
[
用于机器学习的稀疏矩阵的温和介绍
](
sparse-matrices-for-machine-learning.md
)
+
[
机器学习中向量规范的温和介绍
](
vector-norms-machine-learning.md
)
+
[
学习线性代数用于机器学习的 5 个理由
](
why-learn-linear-algebra-for-machine-learning.md
)
\ No newline at end of file
+
[
面向机器学习的稀疏矩阵的温和介绍
](
sparse-matrices-for-machine-learning.md
)
+
[
机器学习中向量范数的温和介绍
](
vector-norms-machine-learning.md
)
+
[
为机器学习学习线性代数的 5 个理由
](
why-learn-linear-algebra-for-machine-learning.md
)
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录