免費書：最新的《機器學習全面指南》 - 知乎

https://zhuanlan.zhihu.com/p/104988967

紅色石頭的我的網站：

紅色石頭的我的博客-機器學習、深度學習之路​ www.redstonewill.com無需置疑，數學基礎和理論知識在機器學習中扮演十分重要的角色！提高數學理論水平對於提升自身的機器學習水平很是有幫助！

然而，對於大部分初學者來講，理論部分太難每每會削弱學習的積極性。在學習的時候，必需要平衡理論難度與易用性兩者之間的關係。

所以，本文推薦一份很是不錯的《A Comprehensive Guide to Machine Learning》，中文譯爲：《機器學習全面指南》。

這份《機器學習全面指南》的做者是來自伯克利電氣工程與計算機科學系的 Soroush Nasiriany, Garrett Thomas, William Wang, Alex Yang, Jennifer Listgarten, Anant Sahai。該書發佈於 2019 年 11 月，能夠說是很是新的了。

這本書最大的特色就是短小精悍，全書總共只有 118 頁，內容精簡，對於初學者很是友好，只介紹機器學習一些基礎的核心的理論知識，作到了麻雀雖小，五臟俱全！

全書總共有 8 章，涉及的主要內容包括：迴歸、降維、神經網絡、分類、聚類、決策樹、深度學習等。具體目錄以下：

該書雖然篇幅很少，可是內容作到了精簡。並且主要重點是介紹機器學習理論知識。這能夠說是彌補了咱們在學習中的一些理論盲點，重點解釋常見的機器學習中的數學知識。對於提升 AI 「軟實力」很是有幫助！

例如，書中對 LASSO 迴歸和 rige 迴歸作了很是形象的解釋：

上圖中左邊對應的是 L1 正則化，右邊對應的是 L2 正則化，知足正則化條件，對於 L2 來講，限定區域是圓，這樣，獲得的解 w1 或 w2 爲 0 的機率很小，很大機率是非零的。對於 L1 來講，限定區域是正方形，方形與藍色區域相交的交點是頂點的機率很大，這從視覺和常識上來看是很容易理解的。這樣，獲得的解 w1 或 w2 爲零的機率就很大了。因此，L1 正則化的解具備稀疏性。

關於 L1 正則化和 L2 正則化的詳細解釋，能夠看下這篇文章：

機器學習中 L1 和 L2 正則化的直觀解釋

關於這本《機器學習全面指南》，也是 CS189 講義。其官網能夠訪問下面的網址：

http://www-inst.eecs.berkeley.edu/~cs189/archives.html

資源下載：

爲了節約你們的時間，小編愛碼士已經將這份《機器學習數學基礎》電子版 PDF 打包好了。獲取步驟以下：請在本公衆號後臺回覆：CGML，便可。