update 数学

pre.md

@@ -13,23 +13,26 @@
 ### 机器学习
 
 从大量数据中找到规律和知识，然后用规律和知识做决策。
+机器学习偏向数学问题推导，数据挖掘就是抽特征
+不要沉迷于数学公式推导，理解如何运用数据
 
 
 分类器
-	Naive Bayes
+
-	Linear Discriminant Analysis
+*	Naive Bayes
-	Logistic Regression
+*	Linear Discriminant Analysis
-	Linear SVM
+*	Logistic Regression
-	Kernel SVM
+*	Linear SVM
-	Adaboost
+*	Kernel SVM
-	Decision
+*	Adaboost
-	Neural network
+*	Decision
+*	Neural network
 
 
 非监督模型
-	数据处理与可视化：PCA，LDA，MDS
+*	数据处理与可视化：PCA，LDA，MDS
-	聚类算法
+*	聚类算法
-	稀疏编码
+*	稀疏编码
 
 
 基本不会去实现这些基础算法，都有现成的开源工具
@@ -45,13 +48,12 @@ PAC学习理论（PAC Learning）
 参考链接：http://www.zhihu.com/question/21714701
 
 
+
 分类
 聚类
 模式识别
 
 
-机器学习偏向数学问题推导，数据挖掘就是抽特征
-不要沉迷于数学公式推导，理解如何运用数据
 
 SVM
 贝叶斯

数学/README.md

@@ -13,7 +13,6 @@
 * 可汗学院，网易公开课，知乎，google
 
 
-
 ### 初等数学
 
 也就是大学以前学习的数学内容。包括代数，几何，集合论等。
@@ -66,7 +65,7 @@
 
 ### 线性代数
 
-`线性代数`是数学的另一个分支，研究对象是`向量` `矩阵`  `线性变换` `线性方程组`
+`线性代数`是数学的另一个分支，研究对象是`向量` `矩阵` `线性变换` `线性方程组`
 
 
 #### 矩阵
@@ -150,11 +149,14 @@
 
 #### 集合论
 
+
 #### 数理逻辑
 
 
 #### 图论
 
+
+
 #### 应用领域 
 
 算法  
@@ -165,5 +167,19 @@
 
 ### 推荐阅读
 
+《高等数学·上下册》  
+《概率论与数理统计·浙大版》、《数理统计学简史·陈希孺》  
+《概率论与数理统计》  陈希儒  
+《线性代数》 李尚志  
+《线性代数及其应用》 David C. Lay   
+《矩阵分析与应用·张贤达》  
+《凸优化(Convex Optimization) · Stephen Boyd & Lieven Vandenberghe著》  
+《统计学习方法·李航》  
+《Pattern Recognition And Machine Learning · Christopher M. Bishop著》，简称PRML  
+ 
+
 《数学之美》  吴军  
 《思考的乐趣》《Matrix67数学笔记》 顾森 ,网名[Matrix67](http://www.matrix67.com/blog/)  
+
+
+