機器學習(書籍推薦)
機器學習資料:書籍,資源,方法
2016年12月01日 00:06:43 閱讀數:264 標籤: 機器學習 深度學習 自然語言處理
數學基礎
微積分:偏導數,梯度等等
概率論與數理統計:極大似然估計,中央極限定理,大數法則
最優化:梯度下降,牛頓-拉普拉斯,變分法(尤拉-拉格朗日方程),凸優化等
- 1
- 2
- 3
- 4
1.線性代數:
3.統計學
幾種型別的書:
Machine Learning Notes in cousera : 如果沒有時間看2中的視訊的話,可以直接看這個部落格:
進階(選擇)學習:
Pattern Recognition And Machine Learning(有點偏Bayesian了,初學者看起來可能有些困難,可以和機器學習,統計學習方法,機器學習公開課視訊結合起來看)
The Elements of Statistical Learning
Machine Learning: A Probabilistic Perspective
《PRML》、《ESL》、《MLAPP》這類進階類書籍。包涵大量理論知識和數學推導(尤其是習題),有助於瞭解Machine Learning方法背後的本質和思想。
Machine Learning學習的過程,就是一個 what -> how -> why 的過程。而PRML,或者說同類的ESL等書籍,最大的作用就是讓你知道為什麼會有這樣的方法,為什麼會有這樣的模型,它背後的intuition和motivation是什麼。而這恰恰是一個Machine Learning Researcher想要進一步使用模型、看懂別人paper中的模型、甚至自己提出新模型的基礎。看PRML會帶給你在Machine Learning上的理解和使用能力一個質的飛躍。
Convex Optimization: Boyd
下面是專業方向書籍)
Introduction to Information Retrieval(資訊檢索入門書籍)
Modern Information Retrieval(現代資訊檢索第二版)
Foundations of Statistical Natural Language Processing(自然語言處理經典之作)
斯坦福自然語言處理公開課: http://www.52ml.net/14247.html
http://www.52nlp.cn/category/mit-nlp