理解机器学所需的基本数学工具包括线代数、解析几何、矩阵分解、向量微积分、优化、概率和统计。传统上，这些主题是在不同的课程中介绍的，这使得数据科学或计算机科学专业的或者专业人士很难有效地学数学基础。本书弥补了纯数学书籍和机器学书籍存在的单一问题，介绍了理解机器学的数学概念，并使用这些概念推导出了四种核心机器学方法：线回归、主成分分析、高斯混合模型和支持向量机。对于和其他具有数学背景的人来说，这些推导可以作为理解机器学的一个起点。对于学数学的人来说，这些方法有助于建立应用数学概念的直觉和实践经验。本书每一章都包括一些例子，大部分章还配有题，以便读者检验和巩固所学知识。