【轉】機器學習資料推薦

機器學習的資料較多，初學者可能會不知道怎樣去有效的學習，因此對這方面的資料進行了一個彙總，但願可以對和我同樣的初學者有必定的借鑑。

1. 數學基礎
機器學習是構建於數學的基礎之上的，所以只有把數學的基本功打好，纔可以在機器學習領域有長遠的發展。正所謂」勿在浮沙築高臺「。
微積分：微積分學教程 （F.M.菲赫金哥爾茨）俄羅斯的數學書
線性代數：Linear Algebra and Its Applications,Third Edition （David C.Lay）講得很實際，線性代數最重要的就是與實際應用相聯繫纔可以理解其意義
機率與統計：機率論與數理統計 （陳希孺）或（盛驟/謝式千/潘承毅）這兩本書都很不錯
隨機過程：應用隨機過程:機率模型導論 （Sheldon M. Ross）這本書已經出到第10版了
這四門是數學的基礎，固然數學自己就是博大精深的，下面這個連接中有更深刻的一些資料能夠學習。
林達華推薦的幾本數學書：http://blog.sciencenet.cn/blog-722391-578745.html
上面是基本的一些數學知識，下面是其它的一些資料：
http://blog.csdn.net/abcjennifer/article/details/7691571
數據挖掘中所需的機率論與數理統計知識、上：http://blog.csdn.net/v_july_v/article/details/8308762
正態分佈的前世此生：http://www.52nlp.cn/tag/%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83%E7%9A%84%E5%89%8D%E4%B8%96%E4%BB%8A%E7%94%9F
LDA數學八卦
機器學習中的數學：http://leftnoteasy.cnblogs.com/
都是牛人們的精彩分享，謝謝。

對於數學的學習，我的以爲若是時間不夠，能夠先略讀，以後再看機器學習算法時，如有不懂的，才知道去哪一個地方查找，而後再根據機器學習中的具體應用加深對該處數學知識的掌握。

2. 機器學習與數據挖掘（偏理論）
統計學習方法 （李航）
統計學習基礎 （Trevor Hastie, Robert Tibshirani, Jerome Friedman）
Pattern Recognition and Machine Learning （Christopher Bishop）
Machine Learning: A Probabilistic Prespective （Kevin Murphy）
Pattern classification （Richard O. Duda, Peter E. Hart and David G. Stork）
Introduction to Machine Learning （Ethem Alpaydin）
Data Mining （韓家煒）
現代模式識別 （孫即祥）
我的以爲《統計學習方法》與《統計學習基礎》這兩本書是基礎，後面的書內容相差不大，因此前兩本書應該看，而入門的話，後面的書能夠選1到2本精讀，剩下的書可做參考。

3. 智能算法（偏應用）
Web智能算法 （Haralambos Marmanis, Dmitry Babenko）
集體智慧編程 （Toby Segaran）
推薦系統實踐 （項亮）
數據之魅 （Pbilipp K.Janert）
這幾本書均是從實踐的角度講解了機器學習中經常使用的算法，很是值得一看。

4. Deep Learning
Deep Learning最近幾年很是熱門，受到了業界普遍的關注。
斯坦福大學的網站：http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial ，其中國內的業界牛人對其進行了翻譯，也在該網站上
Deep Learning的前世此生：http://www.cnblogs.com/avril/archive/2013/02/08/2909344.html
深度學習的一些教程：http://baojie.org/blog/2013/01/27/deep-learning-tutorials/

5. 視頻學習資源
前兩個是Andrew Ng的
http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=MachineLearning
http://v.163.com/special/opencourse/machinelearning.html
http://work.caltech.edu/telecourse.html
http://v.163.com/special/opencourse/daishu.html 線性代數公開課

6. 其它書籍
數學之美 （吳軍）鼎鼎大名的書就不用多說了，對當前搜索、天然語言處理等領域所經常使用的算法進行了講解
研究之美 （Knuth）40年前寫好的書，去年纔在國內買到，很小的冊子
從一到無窮大
我的以爲，上面的書基本上包括了機器學習入門所須要的一些知識，若能用心學完，基本上算是入門了。以後如果理論研究，則不斷閱讀最新的文獻，而投向於工業界，則只有不斷實踐，纔可以更好地將機器學習的理論應用於平時的工做中。

固然，限於我自身知識的侷限性，還有更多的好資料沒能列於其中，還請各位多多指教。同時，若文中有何不足之處，也請各位不吝賜教，謝謝！

參考http://blog.csdn.net/poiiy333/article/details/10282751