资源|28本必读的经典机器学习/数据挖掘书籍（免费下载）

最新推荐文章于 2021-08-01 23:03:35 发布
最新推荐文章于 2021-08-01 23:03:35 发布
阅读量1.1w 收藏 13
点赞数 4
分类专栏： ML

全球人工智能

机器学习/数据挖掘

　　Real World Machine Learning（现实世界中的机器学习）

　　

　　作者：Henrik Brink，Joseph W.Richards和Mark Fetherolf

　　本书介绍了现实世界中机器学习的应用，旨在教会工作开发者ML项目执行的艺术。

　　书籍链接：https://www.manning.com/books/real-world-machine-learning

　　An Introduction To Statistical Learning（统计学习介绍）

　　

　　作者：加雷思詹姆斯，丹尼尔·维滕，特雷弗·哈斯蒂和罗伯特·蒂布拉尼

　　本书提供了统计学习方法的介绍。适合于高年级本科生，硕士研究生和博士学位。非数学科学中的学生。

　　书籍链接：http://www-bcf.usc.edu/%7Egareth/ISL/

　　An Introduction To Statistical Learning（统计学习的要素）

　　

　　作者：TrevorHastie Robert Tibshirani Jerome Friedman

　　简介：这本书的覆盖面广泛，从监督学习到无监督学习。涵盖了神经网络，支持向量机，分类树等经典算法。

　　书籍链接：http://statweb.stanford.edu/%7Etibs/ElemStatLearn/

　　Probabilistic Programming & Bayesian Methods for Hackers （概率编程与黑客的贝叶斯方法）

　　

　　本书综合的从数学和概率编程的角度介绍了贝叶斯方法。

　　书籍链接：http://camdavidsonpilon.github.io/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/

　　Think Bayes（贝叶斯方法）

　　

　　作者：Allen B.Downey

　　本书从计算的角度介绍贝叶斯统计。

　　书籍链接：http://greenteapress.com/wp/think-bayes/

　　Information Theory, Inference, and Learning Algorithms（信息理论，推理和学习算法）

　　

　　本书主要阐述了信息理论知识，以及其中的推理过程、学习算法，适合于机器学习辅助知识阅读。

　　书籍链接：http://www.inference.phy.cam.ac.uk/mackay/itila/book.html

　　Gaussian Processes for Machine Learning（机器学习的高斯过程）

　　

　　作者：Carl Edward Rasmussen和ChristopherK. I. Williams

　　书籍简介：在这本书中，我们将关注监督学习，并根据输出的特性，讨论了回归，分类等问题。

　　书籍链接：http://www.gaussianprocess.org/gpml/chapters/

　　Data-Intensive Text Processing with MapReduce（数据强化文本处理）

　　

　　作者：吉米·林和克里斯·戴尔。

　　本书专注于MapReduce算法设计，重点放在自然语言处理，信息检索和机器学习中常用的

　　书籍链接：http://lintool.github.io/MapReduceAlgorithms/

　　Reinforcement Learning: - An Introduction（增强学习）

　　

　　作者：理查德·萨顿和安德鲁·巴托

　　本书主要介绍深度学习中非常重要的一个方向“强化学习”，适合于刚学习这方面知识的人群。

　　书籍链接：http://webdocs.cs.ualberta.ca/%7Esutton/book/ebook/the-book.html

　　Mining of Massive Datasets（数据集挖掘规模化）

　　

　　作者：Jure Leskovec Anand Rajaraman effrey D. Ullman

　　本书适合研究数据挖掘的人群

　　书籍链接：http://infolab.stanford.edu/%7Eullman/mmds/book.pdf

　　A First Encounter with Machine Learning（机器学习的第一次邂逅）

　　

　　本书用浅显的语言描述了机器学习知识，适合入门人群。

　　书籍链接：https://www.ics.uci.edu/%7Ewelling/teaching/273ASpring10/IntroMLBook.pdf

　　Pattern Recognition and Machine Learning（模式识别和机器学习）

　　

　　本书阐述了模式识别的各种方法，同时在其基础上讨论了机器学习方法，非常适合模式识别领域人群。

　　书籍链接：http://users.isr.ist.utl.pt/%7Ewurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf

　　Machine Learning & Bayesian Reasoning（机器学习与贝叶斯推理）

　　

　　本书了统计学于机器学习的关系，需要一定的数学基础的人群

　　书籍链接：http://web4.cs.ucl.ac.uk/staff/D.Barber/textbook/090310.pdf

　　Introduction to Machine Learning（机器学习简介）

　　

　　本书适合研究机器学习入门的人群

　　书籍链接：http://alex.smola.org/drafts/thebook.pdf

　　A Probabilistic Theory of Pattern Recognition（模式识别的概率理论）

　　

　　本书从模式识别问题实际出发，结合概率理论，并用概率理论知识解决模式识别问题，适合机器学习人群

　　书籍链接：http://www.szit.bme.hu/%7Egyorfi/pbook.pdf

　　ntroduction to Information Retrieval（信息检索简介）

　　

　　本书介绍机器学习中信息的运用过程，适合具有一定基础的机器学习人群

　　书籍链接：http://nlp.stanford.edu/IR-book/pdf/irbookprint.pdf

　　Forecasting: principles and practice（预测：原则和实践）

　　

　　本教材旨在提供预测方法的全面介绍，并为每个方法提供足够的信息，以便读者能够明智地使用它们。

　　书籍链接：https://www.otexts.org/fpp/

　　Introduction to Machine Learning(机器学习简介)

　　

　　本书用实例的方法介绍了机器学习方法，适合一定基础的人群

　　书籍链接：https://arxiv.org/pdf/0904.3664v1.pdf

　　Reinforcement Learning(强化学习)

　　

　　本书主要介绍深度学习中非常重要的一个方向“强化学习”，适用于一定深度学习知识的人群

　　书籍链接：http://www.intechopen.com/books/reinforcement_learning

　　Machine Learning(机器学习)

　　

　　本书介绍机器学习方法，适用于机器学习一定基础的人群

　　书籍链接： http://www.intechopen.com/books/machine_learning

　　A Quest for AI(AI的任务)

　　

　　本书介绍人工智能可以做到的事情，适合研究人工智能技术的人群

　　书籍链接：http://ai.stanford.edu/%7Enilsson/QAI/qai.pdf

　　Introduction to Applied Bayesian Statistics and Estimation for Social Scientists(应用贝叶斯统计学概论和社会科学家的估计)

　　

　　本书介绍了利用统计学知识来应用到实际生活中，适合工程学者人群

　　书籍链接：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.177.857&rep=rep1&type=pdf

　　Bayesian Modeling, Inference and Prediction（贝叶斯建模，推理和预测）

　　

　　本书介绍了贝叶斯建模原理，适合一定基础的机器学习、统计学学者人群

　　书籍链接：https://users.soe.ucsc.edu/%7Edraper/draper-BMIP-dec2005.pdf

　　A Course in Machine Learning（机器学习课程）

　　

　　本书是一门机器学习教程，适合初学者

　　书籍链接：http://ciml.info/

　　Machine Learning, Neural and Statistical Classification（机器学习，神经和统计分类）

　　

　　本书介绍了机器学习、神经网络、统计学分类的知识，适合初学者

　　书籍链接：http://www1.maths.leeds.ac.uk/%7Echarles/statlog/

　　Bayesian Reasoning and Machine Learning（贝叶斯推理和机器学习）

　　

　　本书介绍了机器学习、贝叶斯推理相关知识，适合一定统计学基础的人群

　　书籍链接：http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.HomePage

　　R Programming for Data Science（R语言数据科学）

　　

　　本书介绍了r语言在数据科学中使用，适合运用r语言研究机器学习的人群

　　书籍链接：https://leanpub.com/rprogramming

　　Data Mining - Practical Machine Learning Tools and Techniques（数据挖掘- 实用机器学习工具和技术）

　　

　　作者：Ian H.

　　本书介绍了数据挖掘知识，适合文本处理、数据挖方面的人群

　　书籍链接：http://muchong.com/bbs/logging.php?action=login

　　所有图书点击阅读原文 跳转下载总链接地址

算法学习者
关注
专栏目录
【订阅前必读】机器学习的“道”与“术”专栏的说明
白马负金羁
02-02 2390
本专栏着重介绍各类常用的经典机器学习方法之原理思路、数学细节、应用实践（基于Python, R和MATLAB），具体涉及内容包括但不限于支持向量机、期望最大化模型、AdaBoost、GDBT、概率图模型（包括贝叶斯网络及HMM）、kNN、朴素贝叶斯、k均值、CART和C4.5决策树等
数据挖掘书籍
03-27
《数据挖掘(概念与技术)》全面而深入地叙述了数据库技术的发展和数据挖掘应用的重要性，数据仓库和OLAP（联机分析处理）技术，数据预处理技术（包括数据清理、数据集成和转换、数据归纳的方法），数据挖掘技术（包括分类、预测、关联和聚类等基础概念和技术），先进的数据库系统中的数据挖掘方法，数据挖掘的应用和一些具有挑战性的研究问题。作者注重实效，将以上内容辅以实例，对每类问题均提供代表性算法，并给出每一技术具体的应用法则。该书由10章及两个附录组成。通过《数据挖掘(概念与技术)》的学习，读者可以对数据挖掘的整体结构、概念和技术有深入的认识和了解，并且可以熟悉数据挖掘的基本原理和发展方向
机器学习和数据挖掘推荐书单及简介
asdasdasdasasd1111的博客
12-09 864
机器学习和数据挖掘推荐书单 有了这些书，再也不愁下了班没妹纸该咋办了。慢慢来，认真学，揭开机器学习和数据挖掘这一神秘的面纱吧！ 《机器学习实战》：本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CAR
【好书推荐：第7期】精心挑选5本数据分析入门书
木东居士
12-19 437
0x00 前言最近很多小伙伴都来问居士入门数据分析看什么书比较好，之前一直没有写文章来回答是因为还有一两本书没翻完，自己没好好看的书，居士不太愿意分享的。而，之前看到的很多别人的推荐书单...
数据挖掘与机器学习经典书目
DA Lover
12-10 1096
－－以前上《数据挖掘》课程，老师推荐的数据挖掘与机器学习的经典书目； －－读过下面的第3本，通俗易懂，个人认为是机器学习入门的一本很好的读本，内容主要包括：线性回归、分类、重抽样方法、线性模型选择与正则化、非线性模型、基于树的方法（决策树、装袋法、随即森林和提升法）、支持向量基、无指导学习。相对而言，书的主要内容还是讲述有指导学习的方法。 1. 《Pattern Recognition and...
机器学习/数据挖掘, Python 书籍推荐
热门推荐
chlele0105的专栏
04-16 1万+
1. 适合入门的读物： 《深入浅出数据分析》这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。难易程度：非常易。 《啤酒与尿布》通过案例来说事情，而且是最经典的例子。难易程度：非常易。 《数据之美》一本介绍性的书籍，每章都解决一个具体的问题，甚至还有代码，对理解数据分析的应用领域和做法非常有帮助。难易程度：易。 《数学之美》这本书非常棒啦，入门读起来很
机器学习VS深度学习
qq_40558336的博客
04-24 1193
​如今，当有人提到人工智能引起社会变革潜力时，他们很可能是在谈论机器学习中的人工神经网络。当一篇文章谈人工神经网络突破性进展时，作者很可能指的是深度学习。 人工神经网络是一种非线性统计建模工具，可以用于发现输入和输出之间的关系，或在大型数据库中发现模式。人工神经网络已应用于统计模型开发、自适应控制系统、数据挖掘模式识别和不确定性下的决策。 深度学习是基于人工神经网络和表示学习的一系列机器学习方法的一部分。学习可以是有监督的、半监督的或无监督的，甚至强化学习的。 【深度学习有别于传统机器学习】 有..
小白学数据挖掘与机器学习.rar
08-14
SPSS案例及数据集，对初学SPSS的人员有帮助，通过案例可以快速掌握基本的SPSS操作
数据挖掘与机器学习(一).pdf
08-22
数据挖掘与机器学习
贝叶斯方法 概率编程与贝叶斯推断 中文版带目录 及代码
01-28
《贝叶斯方法 概率编程与贝叶斯推断》基于PyMC语言以及一系列常用的Python数据分析框架，如NumPy、SciPy和Matplotlib，通过概率编程的方式，讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下，有效地解决问题。书中使用的案例往往是工作中遇到的实际问题，有趣并且实用。作者的阐述也尽量避免冗长的数学分析，而让读者可以动手解决一个个的具体问题。通过对本书的学习，读者可以对贝叶斯思维、概率编程有较为深入的了解，为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推断、概率编程等相关领域的从业者和爱好者，也适合普通开发人员了解贝叶斯统计而使用。
Real World Machine Learning
10-07
Real World Machine Learning
Python: Real World Machine Learning
11-18
Python: Real World Machine Learning by Prateek Joshi English | 14 Nov. 2016 | ASIN: B01N74UY6B | ISBN-13: 9781787123212 | 983 Pages | MOBI/EPUB/PDF | 53.2 MB Learn to solve challenging data science problems by building powerful machine learning models using Python. Book Description Machine learning is increasingly spreading in the modern data-driven world. It is used extensively across many fields such as search engines, robotics, self-driving cars, and more. Machine learning is transforming the way we understand and interact with the world around us. In the first module, Python Machine Learning Cookbook, you will learn how to perform various machine learning tasks using a wide variety of machine learning algorithms to solve real-world problems and use Python to implement these algorithms. The second module, Advanced Machine Learning with Python, is designed to take you on a guided tour of the most relevant and powerful machine learning techniques and you’ll acquire a broad set of powerful skills in the area of feature selection and feature engineering. The third module in this learning path, Large Scale Machine Learning with Python, dives into scalable machine learning and the three forms of scalability. It covers the most effective machine learning techniques on a map reduce framework in Hadoop and Spark in Python. This Learning Path will teach you Python machine learning for the real world. The machine learning techniques covered in this Learning Path are at the forefront of commercial practice. This Learning Path combines some of the best that Packt has to offer in one complete, curated package. It includes content from the following Packt products: Python Machine Learning Cookbook by Prateek Joshi Advanced Machine Learning with Python by John Hearty Large Scale Machine Learning with Python by Bastiaan Sjardin, Alberto Boschetti, Luca Massaron What You Will Learn Use predictive modeling and apply it to real-world problems Understand how to perform market segmentation using unsupervised learning Apply your new-found skills to solve real problems, through clearly-explained code for every technique and test Compete with top data scientists by gaining a practical and theoretical understanding of cutting-edge deep learning algorithms Increase predictive accuracy with deep learning and scalable data-handling techniques Work with modern state-of-the-art large-scale machine learning techniques Learn to use Python code to implement a range of machine learning algorithms and techniques
推荐 ：一份数据工程师必备的学习资源，干货满满（附链接）
crhacq798的博客
03-07 532
本文约6500字，建议阅读15分钟。 本文首先详细介绍了数据工程的职责、与数据科学家之间的差别以及其不同的工作角色，然后重点列出了很多与核心技能相关的的优秀学习资源，最后介绍行业内认可度较高的3种数据工程认证。 简介 在建立模型之前，在数据经过清洗用于探索分析之前，甚至在数据科学家工作开始之前，数据工程师就已经闪亮登场了。每一个数据驱动的业务都需要一个适用于数据科学管道的框架，否...
大牛推荐的15本学习数据分析挖掘的好书
实验楼--动手做实验，轻松学IT！
07-26 482
✅入门篇 深入浅出数据分析 以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术。 豆瓣评分：7.5 数据之美 这本书的好处在于简单，没有讨论技术细节，也是一本内行看门道，外行看热闹的书。 豆瓣评分：7.1 数学之美 对一些算法，数学模型，数据的用途有一些初步了解。开始有点明白那些做算法的朋友都在干些什么了。 豆瓣评分：8.9 深入浅出统计学 此书比较通俗...
史上最全的机器学习书单（附下载链接！！！）
Loving
08-01 646
特色： 覆盖Python从入门到精通 统计学知识 数学知识 数据分析知识 以上，够大家喝一壶的，链接如下： https://github.com/lovingers/ML_Books
图书：数据挖掘全知道
坚强的石头
10-08 124
数据挖掘全知道
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值