最新公告
  • 欢迎您光临欧资源网,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入我们
  • 入门机器学习以及夯实数学基础的学习者提供了学习书单

    本文共2000字,建议阅读7分钟。

    本文为想要开始机器学习,夯实数学基础的学习者提供了一份学习书单。

    一、机器学习

    机器学习方面,首先要推荐的是国内两位作者的作品:

    “统计学习方法”采用“总分总分”的结构。在梳理了统计学习的基本概念后,系统全面地介绍了统计学习中的10种主要方法,最后对这些算法进行了总结和比较。. 本书以数学公式为主,在介绍每种方法时都给出了详细的数学推导,几乎没有废话,因此也对读者的数学背景提出了更高的要求。

    相比之下,机器学习涵盖范围更广,本质上更具介绍性,有助于理解机器学习的大局。本书涵盖了机器学习中几乎所有算法类别的基本思想、适用范围、优缺点和主要实现方法,并穿插了大量通俗易懂的例子。

    如果“统计学习方法”在深度上更好,那么“机器学习”在广度上更好。借助广度,您可以根据机器学习中提供的丰富参考资料继续深入挖掘。

    看完以上两本书,就可以看一些经典作品了。经典著作是Tom Mitchell的《机器学习》,他的中文译名为《机器学习》。这本书写于 1997 年,虽然很难涵盖机器学习的最新进展,但对基础理论和核心算法的讨论依然精辟。毕竟,经典理论是经得起时间考验的。本书的重点也是广度,不涉及很多复杂的数学推导。是一本理想的入门书。作者曾在自己的主页上说这本书会出新版,并增加了一些章节。在过去的两年里,也许可以期待一个新的版本。

    Tom Mitchell 的机器学习

    汤姆·米切尔《机器学习》的中文翻译

    另一部经典著作是 Trevor Hastie 等人的 Elements of Statistical Learning,第二版于 2016 年出版。这本书没有中文译本,只有影印本。没有哪本大师的书会用一大堆复杂的数学公式来吓唬人(专门推演算法的书除外),这本也不例外。它强调各种学习方法的内涵和外延。比起具体的推演,或许更重要的是通过方法的来龙去脉了解它们的应用场景和发展方向。

    结局是 Christopher Bishop 的“模式识别和机器学习”。这本书是2007年出版的,没有中文译本。或许是因为要花这么多夜的灯会,才能翻译出如此精彩的杰作。这本书的特点是它把机器学习作为一个整体来看待逻辑精点零基础入门篇pdf,无论是基于频率的方法还是贝叶斯方法,无论是回归模型还是分类模型,它们只是同一个问题的不同方面。作者可以打开上帝的视角,将各种机器学习融入一张巨网。不幸的是,大多数读者都跟不上他的高水平思想(包括我自己)。

    最后推荐的是David JC MacKay的《Information Theory, Inference and Learning Algorithms》,写于2003年,中文译名为《Information Theory, Inference and Learning Algorithms》。这本书的作者是一位全能的科学家,而且这本书不是机器学习的专着,而是多个相关学科的融合,涵盖了广泛的内容。比起一本正面有脸的教科书,读这本书感觉就像和作者聊天一样,他会在聊天中抛出各种问题,让你思考。主题的广度使本书的阅读体验变得困难,但可以作为扩展您的视野的便利。

    二、数学

    1. 线性代数

    推荐两本国外教材。其中之一是 Gilbert Strang 的“线性代数导论”。英文版已于2016年第五版出版,目前还没有中文译本。本书通过直观的概念解释阐述基本的抽象概念,辅以大量线性代数在各个领域的实际应用,对学习者非常友好。笔者在麻省理工的OCW上开设了相应的视频课程,还配备了习题解法、模拟试题等一系列电子资源。

    逻辑精点零基础入门篇pdf_逻辑分册还是逻辑精点_鑫全逻辑零基础入门讲义

    第二个是 David C Lay 的“线性代数及其应用”。英文版也于2015年第五版出版。中文译本名为《Linear Algebra and its Applications》,对应原书第四版。本书通过向量和线性方程的基本概念介绍线性生成的基本概念,重点介绍公式背后的代数和几何意义。它还有大量的应用实例,对理解基本概念很有帮助。

    2. 概率论

    对于基本阅读,您可以选择 Sheldon M Ross 的“A First Course in Probability”。英文版将于2013年出版第九版(第十版将于2018年出版)。中文译名为《概率论基础课》。对应原书第九版,还有英文影印本。除了测量之外,本书还从中心极限定理的角度讨论了概率问题。概念的解释更受欢迎。书中还包含大量与生活息息相关的应用实例和练习。

    另一本难读的书是 Edwin Thompson Jaynes 的《概率论:科学的逻辑》。本书无中文译本,《概率论沉思录》影印本已绝版。这本书是作者的遗产。花了半个世纪才完成。从名字就可以看出逻辑精点零基础入门篇pdf,它是一本神书。作者从逻辑的角度讨论了基于频率的概率、贝叶斯概率和统计推断,并将概率论这门经验学科带入了数理逻辑的框架中。如果你读了这本书,请准备好烧毁你的大脑。

    3. 数理统计

    基础阅读可以选择陈希如院士撰写的《数理统计教程》。统计学是否是一门科学的问题仍然存在争议,但它在机器学习中的重要性是毋庸置疑的。陈老的书侧重于统计的概念和思想,试图教授用统计观点观察和分析事物的能力,非常有价值。

    进阶阅读可以选择罗杰·卡塞拉的《Statistical Inference》,由于作者于2012年去世,2001年的第二版是绝唱。中文翻译叫“Statistical Inference”,也有影印。本书包含部分概率论内容,介绍了统计推断、参数估计、方差回归等统计学中的基本问题。

    4. 优化理论

    可以参考Stephen Boyd的《Convex Optimization》,中文翻译叫《Convex Optimization》。虽然这本书的大小很吓人,但它的可读性还不错。它主要针对实际应用而不是理论证明。机器学习中广泛使用的许多方法都可以在这里找到它们的来源。

    5. 信息论

    我推荐Thomas Cover和Jay A Thomas合着的《Elements of Information Theory》,2006年第二版出版,中译本是《Basics of Information Theory》。本书兼顾广度和深度。虽然不是大部头,但是干货满满。它清楚地解释了信息论中各种基本概念的物理内涵,但需要一定的数学基础才能流畅阅读。此外,本书侧重于信息论在通信中的应用。

    本文PDF资源链接

    1. 机器学习:

    2. 数学:

    操作员:冉小山

    站内大部分资源收集于网络,若侵犯了您的合法权益,请联系我们删除!
    欧资源网 » 入门机器学习以及夯实数学基础的学习者提供了学习书单

    常见问题FAQ

    免费下载或者VIP会员专享资源能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    找不到素材资源介绍文章里的示例图片?
    对于PPT,KEY,Mockups,APP,网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。
    欧资源网
    一个高级程序员模板开发平台

    发表评论