机器学习从入门到进阶的书籍列表

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

庆祝开版，特发本人学习机器学习的几本教材与大家共享。由于论坛设置的问题，几本书应该已经有人上传过了，这里就只好列一个书单，网上去下载也并不难。

对于机器学习要求的基础，如矩阵、优化、随机过程等基础，机器学习的特定子领域应用书籍，如Natural Language Processing，不在本帖推荐范围。

前三本算是比较基础的，适合新手学习。其中第一本还配有详细的Slides。第四本年代略久，是当年上课用的参考教材，一些近年发展的热点和方法没有覆盖，作为基本功的修行尚可。第五本主要以贝叶斯的角度讨论了机器学习的方法，是当年上课的参考书，可以用于进阶。再往下有三本书可进阶。第六和第七本算是较新的书籍，其中前者还在不断更新中。第七本是很厚的一本，覆盖的比较全面，可以当字典用。第八本是统计系的教授写的，阅读时对数学和统计的基础要求比较高。第九本是一本信息论的教材，本来是想推荐一本核方法的书，回想起来这本信息论的书，内容结合了大量的统计，能够在机器学习中引入新的思维方式。

1. Machine Learning: The Art and Science of Algorithms that Make Sense of Data. Peter Flach. 2012.
Amazon链接点这里


2. An Introduction to Statistical Learning with Applications in R. Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani. 2013.
Amazon链接点这里
这本书的作者们提供了电子版的下载：官方下载点这里

3. Learning From Data. Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin. 2012.
Amazon链接点这里

4. Pattern Classification. Richard O. Duda. Peter E. Hart, David G. Stork. 2000.
Amazon链接点这里

5. Pattern Recognition and Machine Learning. Christopher Bishop. 2007.
Amazon链接点这里

6. Bayesian Reasoning and Machine Learning. David Barber. 2012.（持续更新中）
Amazon链接点这里
这本书的作者提供了电子版的下载：官方下载点这里

7. Machine Learning: A Probabilistic Perspective.  Kevin P. Murphy. 2012.
Amazon链接点这里

8. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Trevor Hastie, Robert Tibshirani, Jerome Friedman. 2009.
Amazon链接点这里
这本书的作者们提供了电子版的下载：官方下载点这里

9. Information Theory, Inference and Learning Algorithms. David J. C. MacKay. 2003.
Amazon链接点这里
这本书的作者提供了电子版的下载：官方下载点这里


还有一些较新的书籍，因为没有看过（起码是连目录都没有看过），就不瞎列了。书单越长越没有去读的动力。
另外，书籍一般滞后最新研究两到三年，通常不包含最新的方法和技术。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏13 回帖

关键词：机器学习 David Barber introduction Applications Statistical 机器学习 教材

感觉这门技术无止境。

机器学习，个人感觉是包括自动化理论、计算机编程、数理统计、高等数学等交叉学科。