1. Home
  2. 读书知识

机器学习书籍资料推荐

                                                                   机器学习书籍资料推荐

本文为转载,源地址为:http://blog.chinaunix.net/uid-10314004-id-3594337.html

机器学习的资料较多,初学者可能会不知道怎样去有效的学习,所以对这方面的资料进行了一个汇总,希望能够对和我一样的初学者有一定的借鉴。

1. 数学基础
    机器学习是构建于数学的基础之上的,因此只有把数学的基本功打好,才能够在机器学习领域有长远的发展。正所谓”勿在浮沙筑高台“。

    • 微积分:微积分学教程 (F.M.菲赫金哥尔茨)俄罗斯的数学书
    • 线性代数:Linear Algebra and Its Applications,Third Edition (David C.Lay)讲得很实际,线性代数最重要的就是与实际应用相联系才能够理解其意义
    • 概率与统计:概率论与数理统计 (陈希孺)或(盛骤/谢式千/潘承毅)这两本书都很不错
    • 随机过程:应用随机过程:概率模型导论 (Sheldon M. Ross)这本书已经出到第10版了

    这四门是数学的基础,当然数学本身就是博大精深的,下面这个链接中有更深入的一些资料可以学习。
   林达华推荐的几本数学书:http://blog.sciencenet.cn/blog-722391-578745.html 
   上面是基本的一些数学知识,下面是其它的一些资料:

    • http://blog.csdn.net/abcjennifer/article/details/7691571
    • 数据挖掘中所需的概率论与数理统计知识、上:http://blog.csdn.net/v_july_v/article/details/8308762
    • 正态分布的前世今生:http://www.52nlp.cn/tag/%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83%E7%9A%84%E5%89%8D%E4%B8%96%E4%BB%8A%E7%94%9F
    • LDA数学八卦
    • 机器学习中的数学:http://leftnoteasy.cnblogs.com/

   都是牛人们的精彩分享,谢谢。

   对于数学的学习,个人觉得如果时间不够,可以先略读,之后再看机器学习算法时,若有不懂的,才知道去哪个地方查找,然后再根据机器学习中的具体应用加深对该处数学知识的掌握。

2. 机器学习与数据挖掘(偏理论)

    • 统计学习方法 (李航)
    • 统计学习基础 (Trevor Hastie, Robert Tibshirani, Jerome Friedman)
    • Pattern Recognition and Machine Learning (Christopher Bishop)
    • Machine Learning: A Probabilistic Prespective (Kevin Murphy)
    • Pattern classification (Richard O. Duda, Peter E. Hart and David G. Stork)
    • Introduction to Machine Learning (Ethem Alpaydin)
    • Data Mining (韩家炜) 
    • 现代模式识别 (孙即祥) 

   个人觉得《统计学习方法》与《统计学习基础》这两本书是基础,后面的书内容相差不大,所以前两本书应该看,而入门的话,后面的书可以选1到2本精读,剩下的书可作参考。

3. 智能算法(偏应用)

    • Web智能算法 (Haralambos Marmanis, Dmitry Babenko)
    • 集体智慧编程 (Toby Segaran)
    • 推荐系统实践 (项亮)
    • 数据之魅 (Pbilipp K.Janert)

   这几本书均是从实践的角度讲解了机器学习中常用的算法,非常值得一看。

4. Deep Learning
   Deep Learning最近几年非常热门,受到了业界广泛的关注。

    • 斯坦福大学的网站:http://deeplearning.stanford.edu/wik1/index.php/UFLDL_Tutorial ,其中国内的业界牛人对其进行了翻译,也在该网站上
    • Deep Learning的前世今生:http://www.cnblogs.com/avril/archive/2013/02/08/2909344.html
    • 深度学习的一些教程:http://baojie.org/blog/2013/01/27/deep-learning-tutorials/

5. 视频学习资源
    前两个是Andrew Ng的

    • http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=MachineLearning
    • http://v.163.com/special/opencourse/machinelearning.html
    • http://work.caltech.edu/telecourse.html
    • http://v.163.com/special/opencourse/daishu.html   线性代数公开课

6. 其它书籍

    • 数学之美 (吴军)鼎鼎大名的书就不用多说了,对当前搜索、自然语言处理等领域所常用的算法进行了讲解
    • 研究之美 (Knuth)40年前写好的书,去年才在国内买到,很小的册子
    • 从一到无穷大

    个人觉得,上面的书基本上包括了机器学习入门所需要的一些知识,若能用心学完,基本上算是入门了。之后若是理论研究,则不断阅读最新的文献,而投向于工业界,则只有不断实践,才能够更好地将机器学习的理论应用于平时的工作中。
   
   当然,限于我自身知识的局限性,还有更多的好资料没能列于其中,还请各位多多指教。同时,若文中有何不足之处,也请各位不吝赐教,谢谢!

原文链接:https://www.cnblogs.com/LeeZz/p/3855525.html

原创文章,作者:xyhun,如若转载,请注明出处:https://www.xyhun.com/8323.html

Contact Us

邮件:294438279@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code