5本机器学习入门的书籍
为大家收集了5本机器学习入门的书籍。其中《The Hundred-Page Machine Learning Book》（《机器学习百页书》）由世界级的实践者和LinkedIn的超级明星Andriy Burkov创作。这本书是一本机器学习入门书，包含经典机器学习模型的精髓，系统解释相关定义概念及原理，并通过交互式学习的方式，通过扫描书中二维码可进一步获得推荐阅读材料等相关内容。本书一经推出就受到全球机器学习爱好者的追捧，适合初学者及有经验的从业者，可以当作参考用的工具书。《机器学习导论》由埃塞姆·阿培丁（Ethem Alpaydin）教授创作，包括监督学习，贝叶斯决策理论，参数、半参数和非参数方法，多元分析，隐马尔可夫模型，增强学习，核机器，图模型，贝叶斯估计和统计检验等多方面内容。因为是导论，涉及到的内容很多，但是具体到每种算法的深入内容涉及不多，因此可以把这本书当作一个较为全面的工具书，在需要相关内容时针对性查询并结合其他材料深入学习。《机器学习：实用案例解析》由Drew Conway 和John Myles White创作，两位都是机器学习专家，有丰富的实践经验。这本书基本没有复杂的公式推导，主要是通过垃圾邮件识别，邮件重要性排序，pv预估等案例及大量R语言代码，向读者介绍如何使用机器学习相关算法。本书适合缺乏动手经验及不知如何将技术与应用结合的人阅读。《A Machine Learning Primer》对回归、朴素贝叶斯、svm等非常传统且基础的机器学习算法原理进行介绍，并叙述了算法应用过程中应遵循的基本原则。适合碎片时间对基础内容的查缺补漏及回顾。《数据挖掘与R语言》从介绍R语言的使用方法开始，通过4个例子（藻类频率的预测、证券趋势预测和交易系统仿真、交易欺诈预测、微阵列数据分类），由浅入深、各有侧重的介绍数据挖掘的各个步骤。阅读本书不需要R语言或数据挖掘基础知识，可作为从机器学习到向数据挖掘进阶的指导书籍。谢谢分享！！
页:
[1]