微積分考前．危機分 (7版)

其他會員也一起購買

【簡介】 為了讓考生在考前的短時間內能有效率的複習，面對題目更具備全方位的解題思維，作者根據30多年輔考教學經驗，將授課時的應考叮嚀化為實際的文字，重點式的整理微積分主題，挑選代表性（經典必會）、基礎性（信心）、進階性（無敵）的題目解說，使考生在考前對微積分建立全面性的解題觀念。作者還特別編撰一章針對商管系所的微積分應用考題，提供讀者選讀參考。熟練本書，一定讓您考前不危機！ 【目錄】 第1章　極限 第2章　微分學 第3章　微分應用 第4章　積分技巧 第5章　定積分 第6章　積分之幾何應用 第7章　數列與級數 第8章　偏微分及其應用 第9章　二重積分與三重積分 第10章　向量積分 第11章　微分方程之解法 第12章　經濟學上之應用 附錄　慣性矩之計算

研究所2026試題大補帖【線性代數】(112~114年試題)[適用臺大、陽明交通、成大、中央、政大、中山、北大、台科大研究所考試] (1版)

其他會員也一起購買

【簡介】 不容錯過的上榜必備好書在這裡！ 精選多間名校研究所歷屆考題，讓你省去到處尋找考古題的煩惱！ 試題按照年度排列，迅速掌握出題方向 。 每道題目提供完整解析，測驗、複習一把罩。 內容簡介 1.本書收錄國內各重點大學112~114年【線性代數】共三年試題含解析。 2.本書收錄學校：臺灣大學、陽明交通大學、成功大學、中央大學、政治大學、中山大學、臺北大學、臺灣科技大學 3.本書特色 (1)每一本書皆收錄歷屆考題及詳解，讓考生不需費力上網爬文找歷屆試題，只要一本試題大補帖在手，便能立即實戰演練，並有效整理歷屆考試重點，作為考前衝刺複習書。 (2)對於有志報考研究所的考生，歷屆試題書可說是必備武器，透過演練歷屆試題，能讓考生快速瞭解出題方向以及常考重點。 (3)題題有解析，最有效的複習。每題附有補習班授課老師的參考解析，讓讀者可以在實戰演練的同時，在瞭解解題脈絡與方法的基礎上，活用該科常考重點，達到考前最有效率的複習狀態。 (4)精簡清晰的排版風格，幫助考生在備考壓力下，能以平穩的心情做考前練習。 【目錄】 114 臺灣大學 資訊工程學研究所、資訊工程學系人工智慧研究所 臺灣大學 數學研究所 臺灣大學 統計與數據科學研究所 臺灣大學 健康數據拓析統計研究所 臺灣大學 工業工程學研究所（產業與服務系統工程組）、生物機電工程學研究所（丁組） 陽明交通大學 資訊聯招 陽明交通大學 統計學研究所碩士班 成功大學 電機資訊學院-資訊聯招 成功大學 電機工程學系 成功大學 數學系應用數學 成功大學 統計學系 中央大學 資工類 中央大學 統計研究所 中央大學 數學系（數學組、應用數學組） 政治大學 資訊科學系 政治大學 應用數學系 政治大學 統計學系 中山大學 通訊所碩士班（甲組） 臺北大學 資訊工程學系 臺北大學 統計學系 臺灣科技大學 資訊工程系碩士班 113 臺灣大學 資訊工程學研究所 臺灣大學 統計與數據科學研究所 臺灣大學 健康數據拓析統計研究所 陽明交通大學 資訊聯招 陽明交通大學 統計學研究所 陽明交通大學 應用數學系（甲、乙組） 成功大學 電機資訊學院-資訊聯招 成功大學 電機工程學系 成功大學 數學系應用數學 成功大學 統計學系 中央大學 資工類 中央大學 統計研究所 中央大學 數學系 政治大學 應用數學系 政治大學 統計學系 中山大學 通訊所（甲組） 臺北大學 資訊工程學系 臺北大學 統計學系 臺灣科技大學 資訊工程系碩士班 112 臺灣大學 資訊工程學研究所 臺灣大學 數學研究所、應用數學科學研究所 臺灣大學 統計與數據科學研究所 陽明交通大學 資訊聯招 陽明交通大學 統計學研究所 陽明交通大學 應用數學系（甲組） 清華大學 數學系碩士班 成功大學 電機資訊學院-資訊聯招 成功大學 電機工程學系 成功大學 數學系應用數學 成功大學 統計學系 中央大學 資工類 中央大學 統計研究所 中央大學 數學系 政治大學 應用數學系 政治大學 統計學系 臺北大學 資訊工程學系 臺北大學 統計學系 臺灣科技大學 資訊工程系碩士班

微積分學習要訣 (25版)

其他會員也一起購買

【簡介】 本書所展現的是親切的教本式描述（非一般講義式），絕妙的學習口訣，例題與習題皆詳解，目標：可靠自修而讀懂的微積分！市面上這麼多的微積分書籍中，專門為理工科學生（將來要唸工數）與商管醫科學生（將來要唸經濟學、統計學）下筆，強調學習觀念、重視解說內容，因為讀懂比多算更重要！本書特色如下： ．強調讀書方法，親切的文筆描述 雖名為“微積分”，卻找不到那種令人無法忍受之數學國語言！親切的說明彷彿親自聆聽作者授課一樣，配合生動有趣的“口訣”輕鬆地記住內容！ ．考轉或考研、理工或商管，都標示清楚 以豐富教學與輔考經驗寫出微積分應有內容（由淺到深），考轉或考研、理工或商管等皆分別標示清楚，讀來有效率！ ．數學名詞皆中英對照，一例一類易吸收 習題都是國立名校之研究所與轉學考題，配合詳細解答滿足考試、自修要求。懂內容那怕考題之變化！ ．編排紮實（不浪費）、舒適，分量充實 內容皆作者親自打字，編排紮實、不浪費空間，讓您在舒適的視感下「悅讀」微積分。 ．考國外入學考試也輕鬆 內容涵蓋大學層次該有之Calculus部分，是超越原文書的微積分中文書，出國留學更適合當參考書！ 劉明昌老師全新雲端課程，好課強力推薦！ ★微積分就該這樣學—大一微積分先修課(6個月) 【目錄】 第一章　極限 第二章　微分學 第三章　微分應用 第四章　不定積分之求法 第五章　定積分 第六章　積分之幾何應用 第七章　數列與級數 第八章　偏微分及其應用 第九章　二重積分與三重積分 第十章　向量積分 第十一章　微分方程之解法 附錄　擺線參數式之推導、隱函數的斜漸近線之推導

研究所講重點【線性代數及其應用(上)】 (5版)

其他會員也一起購買

書名: 研究所講重點：線性代數及其應用(上) ISBN: 9789863456445 作者: 黃子嘉 出版社: 大碩 出版日期: 2019-09 書名: 研究所講重點：線性代數及其應用(下) ISBN: 9789863456452 作者: 黃子嘉 出版社: 大碩 出版日期: 2019-08 內容簡介 　　★內容完整兼具深度及廣度以深入淺出的方式來表達 　　★相關試題收集最完整 　　★以最有效且最詳實的方式來解題 　　★適合研究所入學考試及自修用的參考書 上冊目錄 第零章 基礎數學 0-1 集合 0-2 證明的方法 0-3 關係與函數 0-4 體 0-5 複數 0-6 多項式 第一章 矩陣與線性方程組 1-1 矩陣及矩陣運算 1-2 反矩陣 1-3 基本列運算 1-4 線性方程組 1-5 可逆矩陣的充要條件 1-6 LU分解 1-7 基本行運算 第二章 行列式 2-1 二階行列式 2-2 高階行列式 2-3 行列式的性質 2-4 古典伴隨矩陣 第三章 向量空間 3-1 向量空間 3-2 子空間 3-3 生成與線性獨立 3-4 基底與維度 3-5 直和 3-6* Lagrange內插法 第四章 線性映射 4-1 線性映射 4-2 座標化 4-3 矩陣表示法與換底公式 4-4 核空間與像集 4-5 矩陣的秩 4-6 線性映射的合成與可逆 4-7* 對偶空間與零化集 下冊目錄 第五章 對角化及其應用 5-1 相似性 5-2 不變子空間 5-3 特徵根及特徵向量 5-4 對角化 5-5 冪等算子與矩陣 5-6 對角化的應用 5-7 特徵根的近似解法 5-8 Markov鏈 第六章 Jordan型及其應用 6-1 冪零算子 6-2 循環子空間及循環分解 6-3 Jordan 型 6-4 Cayley-Hamilton 定理及其應用 6-5 Jordan 型的應用 6-6 極小多項式 第七章 內積空間 7-1 內積 7-2 Gram-Schmidt正交化及QR分解 7-3 正交投影 7-4 正交補空間 第八章 內積上的算子及其應用 8-1 伴隨算子 8-2 正規算子與矩陣 8-3 么正及正交算子的特性 8-4 雙線性型式與半雙線性型式 8-5 正定及正半定算子與矩陣 8-6 么正及正交對角化 8-7 正定及正半定矩陣的特性 8-8 二次式的應用 8-9 矩陣的長度及條件數 8-10 Householder轉換 8-11 奇異值分解

研究所講重點【線性代數及其應用(下)】 (5版)

其他會員也一起購買

書名: 研究所講重點：線性代數及其應用(上) ISBN: 9789863456445 作者: 黃子嘉 出版社: 大碩 出版日期: 2019-09 書名: 研究所講重點：線性代數及其應用(下) ISBN: 9789863456452 作者: 黃子嘉 出版社: 大碩 出版日期: 2019-08 內容簡介 　　★內容完整兼具深度及廣度以深入淺出的方式來表達 　　★相關試題收集最完整 　　★以最有效且最詳實的方式來解題 　　★適合研究所入學考試及自修用的參考書 上冊目錄 第零章 基礎數學 0-1 集合 0-2 證明的方法 0-3 關係與函數 0-4 體 0-5 複數 0-6 多項式 第一章 矩陣與線性方程組 1-1 矩陣及矩陣運算 1-2 反矩陣 1-3 基本列運算 1-4 線性方程組 1-5 可逆矩陣的充要條件 1-6 LU分解 1-7 基本行運算 第二章 行列式 2-1 二階行列式 2-2 高階行列式 2-3 行列式的性質 2-4 古典伴隨矩陣 第三章 向量空間 3-1 向量空間 3-2 子空間 3-3 生成與線性獨立 3-4 基底與維度 3-5 直和 3-6* Lagrange內插法 第四章 線性映射 4-1 線性映射 4-2 座標化 4-3 矩陣表示法與換底公式 4-4 核空間與像集 4-5 矩陣的秩 4-6 線性映射的合成與可逆 4-7* 對偶空間與零化集 下冊目錄 第五章 對角化及其應用 5-1 相似性 5-2 不變子空間 5-3 特徵根及特徵向量 5-4 對角化 5-5 冪等算子與矩陣 5-6 對角化的應用 5-7 特徵根的近似解法 5-8 Markov鏈 第六章 Jordan型及其應用 6-1 冪零算子 6-2 循環子空間及循環分解 6-3 Jordan 型 6-4 Cayley-Hamilton 定理及其應用 6-5 Jordan 型的應用 6-6 極小多項式 第七章 內積空間 7-1 內積 7-2 Gram-Schmidt正交化及QR分解 7-3 正交投影 7-4 正交補空間 第八章 內積上的算子及其應用 8-1 伴隨算子 8-2 正規算子與矩陣 8-3 么正及正交算子的特性 8-4 雙線性型式與半雙線性型式 8-5 正定及正半定算子與矩陣 8-6 么正及正交對角化 8-7 正定及正半定矩陣的特性 8-8 二次式的應用 8-9 矩陣的長度及條件數 8-10 Householder轉換 8-11 奇異值分解

數理統計學 (1版)

其他會員也一起購買

【簡介】 數理統計學是理工商管學院相關領域在進行數據分析與決策的核心工具，無論是學術研究或實務應用，都需要以堅實的統計理論作為基礎。數理統計學更是各校統計所、應用數學所與數據科學所的必考科目，作者為幫助考生及有興趣鑽研統計學的讀者掌握這門重要學科，特撰寫本書，期望能成為讀者備考與研究的路上之強力後盾。 本書依作者多年教學經驗及歷年各校命題趨勢分析，將數理統計學分為六章系統撰寫：第一章抽樣分配、第二章點估計、第三章決策理論、第四章評估準則、第五章區間估計、第六章假設檢定。特別提醒讀者，研讀統計學需注重「理解→推導→應用」三階段：建議先掌握各章核心概念（如充分統計量、最大似然估計等），再通過範例練習培養解題直覺，最後結合實務數據集進行綜合演練。書中每題均標注難易度指數，讀者可依自身進度安排學習計畫。特色如下： 一、架構完整、內容深入淺出、淺顯易懂 在各個定義、定理及重點之下特別敘述該理論之意涵及基本觀念，部分定理更是附上詳細的證明，深入地瞭解該理論之由來。內容的編排由淺入深，前後架構清晰鮮明。 二、分章試題、解析詳盡 各章之末加入考古題，所有例題皆逐題詳解且解說完整，藉由試題的安排可以幫助讀者釐清觀念外，更能培養對考題的敏銳度及熟悉度進而提升解題之技巧。 【目錄】 第一章　抽樣分配 第二章　點估計 第三章　決策理論 第四章　評估準則 第五章　區間估計 第六章　假設檢定 附　錄　分配表

機率數統分章題庫

類似書籍推薦給您

機率數統分章題庫 系列名：統研所．應數所高分必備用書 ISBN13：9789862698150 出版社：高點文化 作者：郭明慶 裝訂：平裝 規格：23cm*17cm*2cm (高/寬/厚) 出版日：2021/10/01 中國圖書分類：機率論 內容簡介 　　本書係針對投考研究所考生所編著，廣泛蒐羅統計所、應數所、精算相關系所等有關機率論、統計學及數理統計學之歷屆試題，提供讀者最完整、最有系統的解題，對觀念易混淆之題型作詳細論證及分析，以期考生能在最短的時間內，確實掌握對相關系所機率與統計的準備方向。 本書特色 　　一、蒐羅之試題兼具廣度及深度 　　此科內容偏重演算與證明，各定義定理亦多具直覺性，考生可藉試題的演練印證自己對內容之理解度。 　　二、符號統一，易於閱讀 　　本書在符號的使用上前後一致，易於聯想，使讀者能快速地熟悉，易於閱讀。 　　三、試題完整呈現，解答詳盡 　　本書將考題的出處及配分完整呈現，同學可依自己所投考之所別，選擇應勤加演練的考題，並可對照解答反覆練習，以培養答題技巧，熟悉命題趨勢。 目錄 第1單元 古典機率 第2單元 隨機變數及其分配 第3單元 隨機向量 第4單元 隨機變數（向量）的函數 第5單元 秩序統計量 第6單元 極限分配與抽樣理論 第7單元 機率模型 第8單元 不等式 第9單元 點估計 第10單元 區間估計 第11單元 假設檢定 第12單元 應用統計

AI時代Math元年：用Python全精通統計及機率 (1版)

類似書籍推薦給您

【簡介】 　　全書分為以下幾個部分： 　　統計學：機率、高斯、隨機、頻率派開始談起，包括統計描述、古典機率模型、離散隨機變數、離散分佈、連續隨機變數及連續分佈一直到高斯部分，包括了一元、二元、多元、條件高斯分佈，中間也提到最重要的斜方差矩陣。 　　再來的部分說明了隨機，包括了隨機變數，蒙地卡羅、頻率派統計、機率密度。 　　接下來說明了貝氏定理部分，包括貝氏分類、進階貝氏分類、貝氏推斷入門及進階以及馬可夫鏈蒙地卡羅。 　　最後一部分則以橢圓為主，包括了馬氏距離、線性迴歸及主成分分析，搭配本書系其它書籍，相信AI的數學，對你來說只會是開心而不是阻礙。 　　● 宇宙的語言是數學，數學的精華是機率，機率的表達是統計！ 　　● 機器學習、深度學習、人工智慧，控制系統都覆蓋的機率統計基礎 　　● 統計描述方法：描述、推斷、圖、差、位、距、值、度、變 　　● 古典機率、條件機率、全機率理論 　　● 離散變數、離散分佈、連續隨機變數 　　● 一元、二元、多元、條件高斯分佈、斜方差矩陣 　　● 隨機變數函式、蒙地卡羅模擬 　　● 頻率派統計、機率密度、機率質量 　　● 貝氏定理、貝氏分類、貝氏推斷、馬可夫鏈 　　● 馬氏距離、線性迴歸、主成分分析 　　本書資源可至深智官網下載：deepwisdom.com.tw 【目錄】 第1篇 統計 1 機率統計全景 1.1 必備數學工具：一個線性代數小測驗 1.2 統計描述 1.3 機率 1.4 高斯 1.5 隨機 1.6 頻率派 1.7 貝氏派 1.8 橢圓三部曲 2 統計描述 2.1 統計兩大工具：描述、推斷 2.2 長條圖：單特徵資料分佈 2.3 散點圖：兩特徵資料分佈 2.4 有標籤資料的統計視覺化 2.5 集中度：平均值、質心 2.6 分散度：極差、方差、標準差 2.7 分位：四分位、百分位等 2.8 箱型圖：小提琴圖、分佈散點圖 2.9 中心距：平均值、方差、偏度、峰度 2.10 多元隨機變數關係：協方差矩陣、相關性係數矩陣 第 2 篇 機率 3 古典機率模型 3.1 無處不在的機率 3.2 古典機率：離散均勻機率律 3.3 回顧：巴斯卡三角和機率 3.4 事件之間的關係：集合運算 3.5 條件機率：給定部分資訊做推斷 3.6 貝氏定理：條件機率、邊緣機率、聯合機率關係 3.7 全機率定理：窮舉法 3.8 獨立、互斥、條件獨立 4 離散隨機變數 4.1 隨機：天地不仁，以萬物為芻狗 4.2 期望值：隨機變數的可能設定值加權平均 4.3 方差：隨機變數離期望距離平方的平均值 4.4 累積分佈函數（CDF）：累加 4.5 二元離散隨機變數 4.6 協方差、相關性係數 4.7 邊緣機率：偏求和，相當於降維 4.8 條件機率：引入貝氏定理 4.9 獨立性：條件機率等於邊緣獨立 4.10 以鳶尾花資料為例：不考慮分類標籤 4.11 以鳶尾花資料為例：考慮分類標籤 4.12 再談機率1：展開、折疊 5 離散分佈 5.1 機率分佈：高度理想化的數學模型 5.2 離散均勻分佈：不分厚薄 5.3 伯努利分佈：非黑即白 5.4 二項分佈：巴斯卡三角 5.5 多項分佈：二項分佈推廣 5.6 卜松分佈：建模隨機事件的發生次數 5.7 幾何分佈：滴水穿石 5.8 超幾何分佈：不放回 6 連續隨機變數 6.1 一元連續隨機變數 6.2 期望、方差和標準差 6.3 二元連續隨機變數 6.4 邊緣機率：二元PDF 偏積分 6.5 條件機率：引入貝氏定理 6.6 獨立性：比較條件機率和邊緣機率 6.7 以鳶尾花資料為例：不考慮分類標籤 6.8 以鳶尾花資料為例：考慮分類標籤 7 連續分佈 7.1 連續均勻分佈：離散均勻分佈的連續版 7.2 高斯分佈：最重要的機率分佈，沒有之一 7.3 邏輯分佈：類似高斯分佈 7.4 學生t- 分佈：厚尾分佈 7.5 對數正態分佈：源自正態分佈 7.6 指數分佈：卜松分佈的連續隨機變數版 7.7 卡方分佈：若干IID 標準正態分佈平方和 7.8 F- 分佈：和兩個服從卡方分佈的獨立隨機變數有關 7.9 Beta 分佈：機率的機率 7.10 Dirichlet 分佈：多元Beta 分佈 8 條件機率 8.1 離散隨機變數：條件期望 8.2 離散隨機變數：條件方差 8.3 離散隨機變數的條件期望和條件方差：以鳶尾花為例 8.4 連續隨機變數：條件期望 8.5 連續隨機變數：條件方差 8.6 連續隨機變數：以鳶尾花為例 8.7 再談如何分割「1」 第 3 篇 高斯 9 一元高斯分佈 9.1 一元高斯分佈：期望值決定位置，標準差決定形狀 9.2 累積機率密度：對應機率值 9.3 標準高斯分佈：期望為0，標準差為1 9.4 68-95-99.7 法則 9.5 用一元高斯分佈估計機率密度 9.6 經驗累積分佈函數 9.7 QQ 圖：分位- 分點陣圖 9.8 從距離到一元高斯分佈 10 二元高斯分佈 10.1 二元高斯分佈：看見橢圓 10.2 邊緣分佈：一元高斯分佈 10.3 累積分佈函數：機率值 10.4 用橢圓解剖二元高斯分佈 10.5 聊聊線性相關性係數 10.6 以鳶尾花資料為例：不考慮分類標籤 10.7 以鳶尾花資料為例：考慮分類標籤 11 多元高斯分佈 11.1 矩陣角度：一元、二元、三元到多元 11.2 高斯分佈：橢圓、橢球、超橢球 11.3 解剖多元高斯分佈PDF 11.4 平移→旋轉 11.5 平移→旋轉→縮放 12 條件高斯分佈 12.1 聯合機率和條件機率關係 12.2 給定X 條件下，Y 的條件機率：以二元高斯分佈為例 12.3 給定Y 條件下，X 的條件機率：以二元高斯分佈為例 12.4 多元常態條件分佈：引入矩陣運算 13 協方差矩陣 13.1 計算協方差矩陣：描述資料分佈 13.2 相關性係數矩陣：描述Z 分數分佈 13.3 特徵值分解：找到旋轉、縮放 13.4 SVD 分解：分解資料矩陣 13.5 Cholesky 分解：列向量座標 13.6 距離：歐氏距離vs 馬氏距離 13.7 幾何角度：超橢球、橢球、橢圓 13.8 合併協方差矩陣 第 4 篇 隨機 14 隨機變數的函數 14.1 隨機變數的函數：以鳶尾花為例 14.2 線性變換：投影角度 14.3 單方向投影：以鳶尾花兩特徵為例 14.4 正交系投影：以鳶尾花兩特徵為例 14.5 以橢圓投影為角度看線性變換 14.6 主成分分析：換個角度看資料 15 蒙地卡羅模擬 15.1 蒙地卡羅模擬：基於虛擬亂數發生器 15.2 估算平方根 15.3 估算積分 15.4 估算體積 15.5 估算圓周率 15.6 布豐投針估算圓周率 15.7 接受- 拒絕抽樣法 15.8 二項分佈隨機漫步 15.9 兩個服從高斯分佈的隨機變數相加 15.10 產生滿足特定相關性的隨機數 第 5 篇 頻率派 16 頻率派統計推斷 16.1 統計推斷：兩大學派 16.2 頻率學派的工具 16.3 中心極限定理：漸近於正態分佈 16.4 最大似然：雞兔比例 16.5 最大似然：以估算平均值、方差為例 16.6 區間估計：整體方差已知，平均值估計 16.7 區間估計：整體方差未知，平均值估計 16.8 區間估計：整體平均值未知，方差估計 17 機率密度估計 17.1 機率密度估計：從長條圖說起 17.2 核心密度估計：若干核心函數加權疊合 17.3 頻寬：決定核心函數的高矮胖瘦 17.4 核心函數：八種常見核心函數 17.5 二元KDE：機率密度曲面 第 6 篇 貝氏派 18 貝氏分類 18.1 貝氏定理：分類鳶尾花 18.2 似然機率：給定分類條件下的機率密度 18.3 先驗機率：鳶尾花分類佔比 18.4 聯合機率：可以作為分類標準 18.5 證據因數：和分類無關 18.6 後驗機率：也是分類的依據 18.7 單一特徵分類：基於KDE 18.8 單一特徵分類：基於高斯 19 貝氏分類進階 19.1 似然機率：給定分類條件下的機率密度 19.2 聯合機率：可以作為分類標準 19.3 證據因數：和分類無關 19.4 後驗機率：也是分類的依據 19.5 獨立：不代表條件獨立 19.6 條件獨立：不代表獨立 20 貝氏推斷入門 20.1 貝氏推斷：更貼合人腦思維 20.2 從一元貝氏公式說起 20.3 走地雞兔：比例完全不確定 20.4 走地雞兔：很可能一半一半 20.5 走地雞兔：更一般的情況 21 貝氏推斷進階 21.1 除了雞兔，農場發現了豬 21.2 走地雞兔豬：比例完全不確定 21.3 走地雞兔豬：很可能各1/3 21.4 走地雞兔豬：更一般的情況 22 馬可夫鏈蒙地卡羅 22.1 歸一化因數沒有閉式解？ 22.2 雞兔比例：使用PyMC3 22.3 雞兔豬比例：使用PyMC3 第 7 篇 橢圓 23 馬氏距離 23.1 馬氏距離：考慮資料分佈的距離度量 23.2 歐氏距離：最基本的距離 23.3 標準化歐氏距離：兩個角度 23.4 馬氏距離：兩個角度 23.5 馬氏距離和卡方分佈 24 線性迴歸 24.1 再聊線性迴歸 24.2 最小平方法 24.3 最佳化問題 24.4 投影角度 24.5 線性方程組：代數角度 24.6 條件機率 24.7 最大似然估計（MLE） 25 主成分分析 25.1 再聊主成分分析 25.2 原始資料 25.3 特徵值分解協方差矩陣 25.4 投影 25.5 幾何角度看PCA 25.6 奇異值分解 25.7 最佳化問題 25.8 資料還原和誤差