Summary 封面 符号表 机器学习基础 高中数学回顾 向量和矩阵 从导数到偏导数 额外的数学：概率论 监督学习 线性回归 梯度下降 GD 线性回归与梯度下降 逻辑回归 非线性变换 支持向量机 SVM 核技巧 Kernel Trick 机器学习实践 评估指标 过拟合和欠拟合 数据集 深度学习 感知机 多层感知机 MLP 计算图与反向传播 自编码器 AE 生成对抗网络 GAN 信息论 自信息与熵 联合熵、条件熵、散度与互信息 序列模型 循环神经网络 RNN 长短时记忆网络 LSTM 优化 凸函数 梯度下降的变种 学习理论 代码附录