机器学习书籍推荐

[ufo22940268]

正在学习机器学习相关的算法,神经网络除外. 但是搜了一圈没找到合适的书籍看,希望大佬们推荐下,中文英文皆可

---

顺便再问下大佬们自己开发的时候数据可视化话是怎么做的,就是给自己看的数据可视化,是 matlab 吗?

[ipwx]

无论多少遍，我只推荐 Pattern Recognition and Machine Learning

[ufo22940268]

@ipwx 现在就买

[ernest]

@ufo22940268 建议从 ng 的 Machine learning 课开始学

[327beckham]

同意三楼的观点

[ufo22940268]

@ipwx 兄弟你买的是实体书吗? 我去 amazon 上看,电子版只有 pdf 的,没有 mobi 的

[ufo22940268]

@ernest 这个有看,但是感觉我不怎么适应看视频,同一个视频反复看很多次,后面想起来要回去查视频内容也很不方便.

[Morriaty]

别听一楼的.......你要有心看 PRML，也不会来这里问。

首先《集体智慧编程》《 pytorch tutorial 》这些实例入门。
然后再看《 LDA 数学八卦》《逻辑回归-从入门到精通》这种详解算法的，如果看的进去，或者说有兴趣，再考虑看《显线性代数》《统计学习方法》等正统教材。

[mpich]

西瓜书。。。

[ernest]

@ufo22940268 不是看，要做每节课后的习题。建议你参加 coursera 上的课程，配套习题做一做： https://www.coursera.org/learn/machine-learning

[ufo22940268]

@ernest ok

[lxrmido]

https://item.jd.com/12128543.html

买了这本，挺好的

[ipwx]

@ufo22940268 http://b-ok.org/book/1118657/d7b523

[ipwx]

@ufo22940268 确实 PRML 是神书没错，但是等级相当之高，先修起码要有微积分（物理含义知悉，不过收敛性证明之类的不必要）、线性代数（线性空间角度理解矩阵，而非死算）、概率论（贝叶斯角度的物理含义知悉、熟悉高斯分布，不过 PRML 第一还是第二章倒是帮你复习了高斯分布），以及一点点优化理论（至少要懂拉格朗日乘子，SVM 那一节还需要懂一点线性规划）。其他数学知识也稍微涉及了一点，不过不懂也没啥。比如变分微积分（ Calculus of variations ）我至今都不懂，只知道它的物理含义但不知道怎么求解，所以相关内容（比如变分推理）我也就是接受了书上的结论，没有深究。

但是我依旧推荐它，至少你问我推荐哪本书，但没说你打算投入多少工夫对不？这本书的正确阅读方法是渐进阅读，碰到必要的数学知识（我列出的这几个）没学过就去学，其他数学知识看不懂就看个大概。等真的把一本书都读完了，你就再也不需要别的任何书了。可以说是一本顶十本。

[zyxbcde]

数学基础是必备技能，建议先看数学，不然连上面那些书的符号都看不懂。

[love2io]

https://love2.io/booklist/WO87Lw 这里有一些机器学习的开源书，可以入门看看

[iyeatse]

线代和微积分这些基础一般大学都会讲吧~不过工作几年忘了之后想捡回来的话可以看 3Blue1Brown 的视频，B 站有熟肉，很有意思

[weeevv]

Sebastian Raschka 的 Python Machine Learning.