机器学习的书籍介绍

目前机器学习仍然备受关注，希望学习的人仍很多，本人作为大学教授这方面课程的老师，收集并阅读了不少该领域的书籍，这里做一个介绍,，仅供有兴趣读一些机器学习书籍的人参考。对于一般研究生和技术人员，也不必阅读太多书籍，根据自己的兴趣选择一、二本认真阅读。要深入研究或开发自己的项目，还是要早早开始读Paper或开始实践。但读一两本书是必要的，打下好的基础是有益的。

对于上课的老师，除了自己要做研究或实践外，多读几本书还是有必要的，一本书主义作为学生没问题，作为老师多少还是有点单薄。

考虑读者的实际需求，重点介绍原理算法类书，最后也简单介绍几本机器学习理论的书和实践的书。算法类书介绍的比较多，分为国外和国内两组。

 

一．国外原理与算法类书

 

1. Bishop， Pattern Recognition and Machine Learning（2006），简称PRML。

将这本书列在第一本，是这本书写的好，尤其从一个大学老师角度看，这本书逻辑之清晰、概念之准确、很值得推崇。本书比一般国内大学用教材要深一些，但做为研究生教材用也是可以的。对经典机器学习涵盖的比较全，但这本书的问题是2006年出版，恰好是深度学习诞生的年份，自然没有关于深度学习的内容，但其神经网络的内容还比较全。（作者另有一本：Neural Networks for Pattern Recognition，专门讲神经网络，出版日期更早了）。

本书偏统计方法尤其侧重贝叶斯方法，决策树集成学习等方向内容偏少。

2. Murphy， Machine Learning（2012）

这本书罗列的算法内容比PRML更全，但讲述的没有PRML清晰，1100多页的大厚书，不适合做为教材，我本人是做为手册放在办公室的，需要时备查。有一章深度学习，但最常用的CNN和RNN缺席，讲了一些深度学习早期的工作。这本书在准备第二版，据说更庞大，要分成两部分，但还没有见到书。

3. Goodfellow , Bengio , Courville . Deep Learning（2016）

这本书的三位作者均是深度学习的重要学者，第二作者前几年获图灵奖，是注意力机制的提出者，第一作者Goodfellow是GAN（生成对抗网络）的提出者，这应该是第一本完整系统的深度学习书。三位大家写的书自然是深入的和地道的。这本书水平很高，但不是一本细致梳理的教材