李代数

线性代数这本书的内容挺有深度，李炯生教授的清晰简练，重点突出。如果你刚接触线性代数，或者需要复习，应该会受用。书中不仅有系统的理论，还有清晰的目录，方便你快速找到自己想要复习的部分。而且最棒的是，书中去除了背景，页眉和目录都得相当整洁，阅读体验不错。如果你想提升自己对线性代数的理解，这本书绝对值得一看。你可以根据书中的目录逐步学习，理解每一个重要的概念，再通过附带的习题进行巩固，感觉整本书就像一个循序渐进的学习计划，挺适合自己做练习时参考的。

（1）非相似性度量用于等间距数据的不相似性测量，可采用统计量如欧几米德（欧氏）距离、欧氏距离平方、切比雪夫、曼哈顿、闵可夫斯基距离，或自定义的统计量。对计数数据，可使用卡方或费舍尔检验。对二值数据（仅两种取值），可使用欧几米德距离、欧氏距离平方、尺寸差异、模式差异、方差、相异性或兰斯和威廉斯统计量。（2）相似性度量适用于等间距数据，可使用统计量如皮尔逊相关系数或余弦相似度。对二元数据，可以选择20余种统计量。在Windows版SPSS中，距离分析属于专业统计选项。如果未安装，将无法在菜单中找到该过程的选项。距离分析主要用于分析观测单位之间的距离和变量之间的距离。可通过距离分析进行内部观测单位间

SAS 的老用户早就听过李东风的这本《统计软件 SAS 教程》，但如果你还没翻过，真的挺值得花点时间瞧一眼的。书的风格是那种“教会你怎么干活”的类型，不绕弯子，直接上案例，实打实教你怎么用 SAS 来数据。 书的结构比较清晰，前面一章讲的是 SAS 系统怎么装、怎么用，属于入门那一挂。像数据步、过程步、SAS/INSIGHT这些概念，讲得还挺细，尤其是配的那些小例子，照着敲一敲，SAS 的基本用法也就差不多掌握了。 第二章就稍微进阶点，比如怎么控制循环、条件判断，还有宏变量这些比较实用的技巧，写多了 SAS 程序的朋友看这部分会有不少共鸣。而且每段知识点后面都有小练习，练着练着就熟了，挺实用的

代数优化的数据库课件，讲的是怎么用优化算法把关系代数表达式简化得更漂亮。开头就有个挺典型的例子：πSname σStudent.Sno=SC.Sno σSC.Cno='2' × Student SC，你一看就知道，这是在干掉多余的笛卡尔积，提升查询性能。嗯，像这种东西，平时写 SQL 时其实挺容易忽略。课件里讲了不少跟笛卡尔积、关系代数语法树相关的东西，配合下面这几个资源一起看，理解会比较快。

代数图论作者：Chris Godsil，Gordon Royle出版社：Springer系列：数学研究生教材（第 207 卷）特点：包含参考文献和索引ISBN：* 精装版：0-387-9524i-1* 平装版：0-387-95220-9

深度学习的入门资料挺全的，尤其是李宏毅老师的教程，适合刚接触深度学习的小伙伴。这份资源包含了从基础到进阶的知识，涵盖了各种常用的深度学习算法、框架及其实现。得清晰易懂，边学边做也有成就感。讲到卷积神经网络（CNN）的部分，配合了不少实践案例，真的是理论与实战结合。PDF文件内容详细，还有不少相关学习资源链接，可以你拓展视野。如果你刚开始学习深度学习，试试看这份资源，绝对是个不错的选择。毕竟学习深度学习，理论与实践结合才是王道，试试里面的代码实现，效果不错哦。

涵盖了MLDN李新华课程的ORACLE相关知识及开发者使用技巧。

代数几何springer扶磊研究生数学丛书第6册密码

深入浅出地讲解线性代数的经典之作，由MIT著名教授Gilbert Strang撰写。配合MIT公开课学习，效果更佳。对于机器学习和深度学习领域的学习者，打下坚实的线性代数基础至关重要。

这份ORACLE教程笔记涵盖了全面的内容，特别适合初学者在Windows平台下学习。高级用户请移步其他资源。