查看PDF摘要：本书探讨了数据科学的数学基础。1. 引言 2. 高维中的诅咒、祝福和惊喜 3. 奇异值分解与主成分分析 4. 线性回归与正则化 5. 图、网络与聚类 6. 非线性降维与扩散图 7. 通过随机投影的线性降维 8. 数据科学的优化 9. 分类 10. 深度学习的数学导论 11. 图拉普拉斯算子的样本极限 12. 社区 13. 测量浓度与高斯分析 14. 矩阵集中不等式 15. 压缩感知与稀疏性 16. 低秩矩阵恢复 学科：机器学习 (cs.LG) ; 人工智能 (cs.AI); 信息论 (cs.IT); 概率 (math.PR) 引用为：arXiv:2607.11938 [cs.LG] (或arXiv:2607.11938v1 [cs.LG]为此版本) https://doi.org/10.48550/arXiv.2607.11938 arXiv发布的DOI通过DataCite 提交历史 从：托马斯·斯特罗默 [查看邮件] [v1] 2026年7月11日 星期六 08:31:44 UTC (15,747 KB)