关闭

机器学习入门书单

270人阅读 评论(0) 收藏 举报
分类:

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。

  1. ML书单
  2.   李航.统计学习方法.pdf
  3.   机器学习及其应用.pdf
  4.   All of Statistics - A Concise Course in Statistical Inference - Larry Wasserman - Springer.pdf
  5.   Machine Learning - Tom Mitchell.pdf
  6.   PRML.pdf
  7.   PRML读书会合集打印版.pdf
  8.   Programming Collective Intelligence.pdf
  9.   [奥莱理] Machine Learning for Hackers.pdf
  10.   [机器学习]Tom.Mitchell.pdf
  11.   《大数据:互联网大规模数据挖掘与分布式处理》迷你书.pdf
  12.   推荐系统实践.pdf
  13.   数据挖掘-实用机器学习技术(中文第二版).pdf
  14.   数据挖掘_概念与技术.pdf
  15.   机器学习-Mitchell-中文-清晰版.pdf
  16.   机器学习导论.pdf
  17.   模式分类第二版中文版Duda.pdf(全).pdf
  18.   深入搜索引擎--海量信息的压缩、索引和查询.pdf
  19.   矩阵分析.美国 Roger.A.Horn.扫描版.pdf
  20.   统计学习基础 数据挖掘、推理与预测.pdf
  21.   
  22. ├─机器学习实战
  23.       machinelearninginaction.zip
  24.       机器学习实战 单页.pdf
  25.       机器学习实战.pdf
  26.       
  27. └─论文文集
  28.     └─LDA
  29.             LDA-wangyi.pdf
  30.             LDA数学八卦.pdf
  31.             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。


网址:http://www.hankcs.com/ml/machine-learning-entry-list.html

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:198686次
    • 积分:2535
    • 等级:
    • 排名:第15052名
    • 原创:3篇
    • 转载:325篇
    • 译文:0篇
    • 评论:8条
    最新评论