放牧代码和思想
专注自然语言处理、机器学习算法
    时间有限,只有GitHub上的issue能及时处理。另外,不要叫我楼主,谢谢。

机器学习入门书单

NLP之后,我又开了ML这个大坑。这是因为NLP涉及到太多的ML模型,仅仅拿过来用的话,我实现的HanLP已经快到个人极限了。而模型背后的原理、如何优化、如何并行化等问题,都需要寻根求源才能解决。

所以我找了个书单自学,电子书为主,顺便分享出来。

ML书单
│  李航.统计学习方法.pdf
│  机器学习及其应用.pdf
│  All of Statistics - A Concise Course in Statistical Inference - Larry Wasserman - Springer.pdf
│  Machine Learning - Tom Mitchell.pdf
│  PRML.pdf
│  PRML读书会合集打印版.pdf
│  Programming Collective Intelligence.pdf
│  [奥莱理] Machine Learning for Hackers.pdf
│  [机器学习]Tom.Mitchell.pdf
│  《大数据:互联网大规模数据挖掘与分布式处理》迷你书.pdf
│  推荐系统实践.pdf
│  数据挖掘-实用机器学习技术(中文第二版).pdf
│  数据挖掘_概念与技术.pdf
│  机器学习-Mitchell-中文-清晰版.pdf
│  机器学习导论.pdf
│  模式分类第二版中文版Duda.pdf(全).pdf
│  深入搜索引擎--海量信息的压缩、索引和查询.pdf
│  矩阵分析.美国 Roger.A.Horn.扫描版.pdf
│  统计学习基础 数据挖掘、推理与预测.pdf
│  
├─机器学习实战
│      machinelearninginaction.zip
│      机器学习实战 单页.pdf
│      机器学习实战.pdf
│      
└─论文文集
    └─LDA
            LDA-wangyi.pdf
            LDA数学八卦.pdf
            text-est.pdf

下载地址:百度网盘

现在正在看《统计学习方法》,边看便用Python实现。再用Matplotlib可视化,简直太完美了,比如kd树的构建算法:

以前也看过《机器学习实战》,不过感觉偏应用,原理没讲清楚,所以中断了。再往前面看过的《智能Web算法》也是偏应用的,过了一遍之后收获也不大。至于一些兜售“XX学习班”的博客,也就采集网上零落的博文,贴一些公式和理论甚至是戏说的程度。大部分博主都挑自己擅长的讲,挑自己容易找到的抄,这样导致网上公开的都是些千篇一律的浅显东西,只能看着玩,当不得真。至于代码,更不用想了。

感觉要入门,还是得从业界经典入门,那些“实战XXX”的书只能画个葫芦,然后读者只能画个瓢。

不是说网上大部分的机器学习教程都是这样的吗:

所以说还是得从原理开始打基础吧。

上面的书单是我这个外行搜集大家推荐次数比较多的书凑起来的,只是个人书单,不保证质量。这个书单应该会不断补充(话说回来,要是能都看完估计也很了得了),如果路过的各路高人有任何建议的话,恳请留言指点迷津。

使用电子书的形式是因为,个人偏好。即使我买了实体书,一旦找到了电子书,我马上就会把纸质书扔到床底下。如果侵犯了任何人的权益,烦请及时通知。

至于何时填完这些坑,生命不息,奋斗不止吧。

转载须注明:码农场 » 机器学习入门书单

分享到:更多 ()
  1. Pingback: 机器学习与深度学习资料 – 剑客|关注科技互联网

  2. Pingback: 机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1) – 软件启示录

  3. Pingback: 机器学习(Machine Learning)&深度学习(Deep Learning)资料 | Dotte博客

  4. Pingback: 机器学习经典资料 – 我爱计算机

  5. Pingback: 机器学习经典资料 | 互联网数据挖掘

  6. 感谢博主的分享。博主可不可以分享一下自己学习机器学习相关知识的前修数学知识的经历或参考书目,给初学者指指路呢?目前自己在学习线性代数的阶段,想问除了线代和概率论之外还需要哪些数学知识,博主自己在学习的过程中遇到过哪些坑?Thanks in advance!

我的开源项目

HanLP自然语言处理包基于DoubleArrayTrie的Aho Corasick自动机