--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 Machine Learning》, Christopher M. Bishop, Springer; 1st ed. 2006.
2. 《统计学习基础(第2版)(英文)》,T.黑斯蒂 (Trevor Hastie)等,世界图书出版公司; 第1版 (2015年1月1日)
3. 《统计学习导论:基于R应用》,加雷斯·詹姆斯 (Gareth James)等,机械工业出版社; 第1版 (2015年5月1日)
(百度盘:链接: https://pan.baidu.com/s/1cgIk8Cqs7OKgELpd6roElg 提取码: h6gc)
4. 《统计学习方法》,李航,清华大学出版社; 第1版 (2012年3月1日)
5. 《机器学习》,周志华,清华大学出版社; 第1版 (2016年1月1日)
6. 《机器学习》,米歇尔 (Mitchell T.M.) (作者), 曾华军 (译者),机械工业出版社; 第1版 (2008年3月1日)
7. 《模式分类(第2版)》,Duda (作者), 李宏东