摘要：?本文是一份關于機器學習中線性代數學習指南，所給出的資源涵蓋維基百科網頁、教材、視頻等，機器學習從業者可以從中選擇合適的資源進行學習。

對于機器學習而言，要學習的特征大多數是以矩陣的形式表示。線性代數是一門關于矩陣的數學，也是機器學習領域中的一個重要支柱。

對初學者來說，線性代數可能是一個富有挑戰性的難點。那么通過這篇文章，你會收獲如何學習與機器學習相關的線性代數內容的相關建議與幫助。

讀完這篇文章，你就會了解：

可以參考維基百科上的文章和線性代數教材

可以學習或復習線性代數的大學課程和在線課程

一些關于線性代數主題討論的問答網站

維基百科上的線性代數解釋

維基百科是一個偉大的網站，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，當你對線性代數有一些疑問時，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于線性代數好的網頁有以下幾個：

• 線性代數
  
• 矩陣
  
• 矩陣分解
  
• 線性代數相關的主題列表
  

線性代數教材

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

我建議的一些基礎性的教材包括一下幾本（僅供參考）：

• Gilbert Strang，2016·第五版·線性代數概述
  
• Sheldon Alex，2015·第三版·線性代數應該這樣學
  
• Ivan Savov，2017·沒有廢話的線性代數指南
  

此外，建議的一些更高層次的教材如下：

• Gene Golub 和 Charles Van Loan，2012·矩陣計算
  
• Lloyd Trefethen 和 David Bau，1997·數值線性代數
  

另外推薦一些關于多元統計的好教材，這是線性代數和數值統計方法的集合。

• Richard Johnson 和 Dean Wichern，2012·應用多元統計分析
  
• Wolfgang Karl Hardle 和 Leopold Simar，2015·應用多元統計分析
  

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

線性代數大學課程

大學的線性代數課程是有用的，這使得本科生學習到他們應該掌握的線性代數內容。而作為一名機器學習實踐者，大學的線性代數課程內容可能超過你所需掌握的內容，但這也能為你學習機器學習相關線性代數內容打下堅實的基礎。

現在許多大學課程提供幻燈片的講義、筆記等PDF電子版內容。有些大學甚至提供了預先錄制的講座視頻，這無疑是珍貴的。

我鼓勵你通過使用大學課程教材，深入學習相關課程來加深對機器學習中特定主題的理解。而不需要完全從頭學到尾，這對于機器學習從業者來說太費時間了。

美國頂尖學校推薦的課程如下：

• Gilbert Strang·麻省理工學院·線性代數
  
• Philip Klein·布朗大學·計算科學中的矩陣
  
• Rachel Thomas·舊金山大學·針對編程者的線性代數計算
  

線性代數在線課程

與線性代數大學課程不同，在線課程作為遠程教育而言顯得不是那么完整，但這對于機器學習從業者而言學起來相當的快。推薦的一些在線課程如下：

• 可汗學院·線性代數
  
• edX·線性代數：前沿基礎
  

問答平臺

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

• 數學棧交換中的線性代數標記
  
• 交叉驗證的線性代數標記
  
• 堆棧溢出的線性代數標記
  
• Quora上的線性代數主題
  
• Reddit上的數學主題
  

Numpy資源

如果你是用Python實現相關的機器學習項目，那么Numpy對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于Numpy的工作原理及某些特定的功能。

• Numpy參考
  
• Numpy數組創建例程
  
• Numpy數組操作例程
  
• Numpy線性代數
  
• Scipy線性代數
  

如果你同時也在尋找關于Numpy和Scipy更多的資源，下面有幾個好的參考教材：

• 2017·用Python進行數據分析
  
• 2017·Elegant?Scipy
  
• 2015·Numpy指南
  

作者信息

Jason Brownlee，機器學習專家，專注于機器學習教育

文章原標題《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，請關注掃描以下二維碼：

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。