本书重点讲解机器学习所涉及到的线性代数核心内容，为读者扎实、高效地搭建起后续攀爬机器学习领域的数学阶梯，全书内容分为六大部分，包括：第一部分，坐标与变换：高楼平地起。从空间坐标表示与线性变换入手，快速建立线性代数直观感受，理解向量和矩阵运算的几何本质；第二部分，空间与映射：矩阵的灵魂；围绕线性代数的概念基石---空间，详细阐述空间中映射和变换的本质，深入剖析矩阵在其中的灵魂作用；第三部分，近似与拟合：真相最近处；展现线性代数在近似与拟合中的理论基础，并讲述了最小二乘法的实际应用；第四部分，相似与特征：最佳观察角；重点分析矩阵的相似性以及特征的提取方法，打好数据降维的理论基础；第五部分，特征与降维：抓住主成分；作为全书知识脉络的交汇，讲解如何对数据进行降维和特征分析，深入剖析矩阵分析的核心内容：特征值分解和奇异值分解；第六部分，实践与应用；展现线性代数在图像压缩、推荐系统和隐含语义分析中的实际应用。 本书的特色：第一，避免纸上谈兵，全书以Python语言作为工具进行概念和方法的有效实践，无缝对接机器学习工程应用，可操作性强；第二，避免生硬枯燥，务求结合线性代数的几何意义进行重点概念的剖析和演绎，强化逻辑性和可读性；第三，避免大水漫灌，以机器学习所急需的线性代数内容为立足点，精确研究，提高效率。