厦门大学 机器学习 参考资料

参考书籍

1.统计学习方法（第2版）李航

非常牛的一本书，每一个算法背后的数学原理，公式推导都讲得非常明白、仔细。如果期末时间紧或者想要快速入门直接看懂这本书就够了！

2.机器学习实战 美 Peter Harrington

2021级的教材用书，这本书更多地是在介绍如何用python实现机器学习的一些算法，理论部分介绍的有点少，因此有的时候会感觉为什么要这样做，建议配合上一本书使用效果更佳。

这位博主知识点总结得非常详尽，也可以好好看看。

https://blog.csdn.net/TeFuirnever/article/details/99701256

3.用Python动手学机器学习 日 伊藤真

这本书是苏老师推荐的，但是感觉他的重点更多地放在了python上，前面话大篇幅介绍了python的一些基础知识，所以没看完。但是苏老师推荐的必然有其过人之处，建议时间充裕的话可以看看。

4.机器学习西瓜书 清华大学

机器学习入门的必看书目了感觉，但是非常惭愧也只看了一点点。原因一个是觉得很多例子是为了和西瓜相靠拢而靠拢，还有一个是不知道我是不是在z-lib上下载到盗版了，有的内容看起来怪怪的。

5.机器学习基础教程 英 Simon Rogers

机器学习 美 Tom Mitchell

这两本书也都是苏老师推荐的，但是下载之后完全没看...我的错。

综上，如果想得高分，想快速入门机器学习最推荐统计学习方法这本书，思维逻辑的严密性，推理过程的严谨性，酣畅淋漓。

参考网课

1.bilibili 机器学习白板推导系列

20级很多学长学姐的强烈推荐，刚开始看的时候感觉会很难懂，多看几遍或者多往下看几个视频就会渐入佳境。

2.卡耐基梅隆大学 CMU 机器学习课程

B站和MOOC都可以看，（btw,21级作业也是CMU的作业），讲的非常非常好！除了英文授课英文字幕其余都完美，就当英语阅读和听力材料了hhh

做作业时参考的网上资料

21级的作业是CMU的作业，可github搜索CMU 10601看到作业题。因此以下整理的参考资料只是知识点的补充，类似熵，信息增益怎么计算之类的，并不是作业原题的答案。所有资料仅供参考。

1.HW2

决策树：https://zhuanlan.zhihu.com/p/334990248

熵，互信息：https://blog.csdn.net/qq_40530463/article/details/128159539

代码实现：https://blog.csdn.net/qq_38262266/article/details/90401385

2.HW3

线性分类、感知机：https://www.yuque.com/bystander-wg876/yc5f72/wlpxt9

3.HW6

PAC:https://zhuanlan.zhihu.com/p/344386947

MLE,MAP:https://zhuanlan.zhihu.com/p/32480810

朴素贝叶斯：https://zhuanlan.zhihu.com/p/26262151

4.补充一

矩阵求导，分子布局，分母布局：https://zhuanlan.zhihu.com/p/263777564

矩阵求导数学推导：https://zhuanlan.zhihu.com/p/288541909

牛顿法求解Logistic回归：https://zhuanlan.zhihu.com/p/422541118

Logistic回归python实现：https://blog.csdn.net/m0_50117360/article/details/109123656

5.补充二

高斯混合模型（GMM）：https://zhuanlan.zhihu.com/p/30483076

隐马尔可夫模型（HMM）：https://www.cnblogs.com/pinard/p/6945257.html

希望以上可以帮助大家少走弯路，而多享受机器学习的数学推导过程！如果有更多更好的学习资料推荐，欢迎大家补充在评论区，我们一起友好交流！