前 言 

近几年每当无法入眠时，只要拿起人工智能、机器学习或深度学习的书籍，看到复杂的数 学公式，我就可以立即进入梦乡，这些书籍成了我的“安眠药”。 
所以，一直以来我总想写一本具有高中数学知识就能读懂的人工智能、机器学习或深度学习的书籍（看了不想睡觉也行），这个理念成为我撰写本书的重要动力。 
在彻底研究机器学习后，我体会到许多基础数学知识本身不难，只是大家对它们生疏了。 
如果在书中将复杂公式从基础开始一步一步推导，其实可以很容易带领读者进入机器学习的领域，让读者感受到数学不再艰涩。这也是我撰写本书时不断提醒自己要留意的事项。 研究机器学习时，虽然有很多模块可以使用，但是一个人如果不懂相关的数学原理，坦白说我不相信未来他能在这个领域有所成就。本书主要讲解了以下数学基础知识。 
. 数据可视化模块 matplotlib 
. 基础数学模块 math 
. 基础数学模块 sympy 
. 数学应用模块 numpy 
. 机器学习基本概念 
. 方程式与函数 
. 方程式与机器学习 
. 从勾股定理看机器学习 
. 联立方程式、联立不等式与机器学习 
. 机器学习需要知道的二次函数 
. 机器学习的最小平方法 
. 机器学习必须懂的集合与概率 
. 概率与贝叶斯定理的运用 
. 指数与对数的运算规则 
. 机器学习中重要的欧拉数 (Euler’s Number) 及其由来 
. 逻辑函数与 logit 函数 
. 三角函数
. 大型运算符
. 向量、矩阵与线性回归
本书沿袭了我之前所著图书的特色，程序实例丰富。相信读者只要遵循书中内容进行学习，必定可以在最短时间内掌握机器学习的基础数学知识。书中案例的代码文件请扫描封底二维码进行下载。
本书虽力求完美，但不足与疏漏在所难免，尚祈读者不吝指正。
洪锦魁