机器学习经典书目汇总 .pdfVIP

机器学习经典书目汇总

本文总结了机器学习的经典书籍，包括数学基础和算法理论的

书籍。

入门书单

《数学之美》

作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器

学习和自然语言处理等领域的应用。

《ProgrammingCollectiveIntelligence》（《集体智慧编程》）

作者TobySegaran也是《BeautifulData:TheStoriesBehind

ElegantDataSolutions》（《数据之美：解密优雅数据解决方案背后

的故事》）的作者。这本书最大的优势就是里面没有理论推导和复

杂的数学公式，是很不错的入门书。目前中文版已经脱销，对于有

志于这个领域的人来说，英文的pdf是个不错的选择，因为后面有

很多经典书的翻译都较差，只能看英文版，不如从这个入手。还

有，这本书适合于快速看完，因为据评论，看完一些经典的带有数

学推导的书后会发现这本书什么都没讲，只是举了很多例子而已。

《AlgorithmsoftheIntelligentWeb》（《智能web算法》）

作者HaralambosMarmanis、DmitryBabenko。这本书中的公式

比《集体智慧编程》要略多一点，里面的例子多是互联网上的应

用，看名字就知道。不足的地方在于里面的配套代码是BeanShell而

不是python或其他。总起来说，这本书还是适合初学者，与上一本

一样需要快速读完，如果读完上一本的话，这一本可以不必细看代

码，了解算法主要思想就行了。

《统计学习方法》

作者李航，是国内机器学习领域的几个大家之一，曾在MSRA

任高级研究员，现在华为诺亚方舟实验室。书中写了十个算法，每

个算法的介绍都很干脆，直接上公式，是彻头彻尾的“干货书”。每

章末尾的参考文献也方便了想深入理解算法的童鞋直接查到经典论

文；本书可以与上面两本书互为辅助阅读。

《MachineLearning》（《机器学习》）

作者TomMitchell是CMU的大师，有机器学习和半监督学习

的网络课程视频。这本书是领域内翻译的较好的书籍，讲述的算法

也比《统计学习方法》的范围要大很多。据评论这本书主要在于启

发，讲述公式为什么成立而不是推导；不足的地方在于出版年限较

早，时效性不如PRML。但有些基础的经典还是不会过时的，所以

这本书现在几乎是机器学习的必读书目。

《MiningofMassiveDatasets》（《大数据》）

作者AnandRajaraman[3]、JeffreyDavidUllman，Anand是

Stanford的PhD。这本书介绍了很多算法，也介绍了这些算法在数

据规模比较大的时候的变形。但是限于篇幅，每种算法都没有展开

讲的感觉，如果想深入了解需要查其他的资料，不过这样的话对算

法进行了解也足够了。还有一点不足的地方就是本书原文和翻译都

有许多错误，勘误表比较长，读者要用心了。

《DataMining:PracticalMachineLearningToolsand

Techniques》（《数据挖掘：实用机器学习技术》）

作者IanH.Witten、EibeFrank是weka的作者、新西兰怀卡托

大学教授。他们的《ManagingGigabytes》[4]也是信息检索方面的经

典书籍。这本书最大的特点是对weka的使用进行了介绍，但是其理

论部分太单薄，作为入门书籍还可，但是，经典的入门书籍如《集

体智慧编程》、《智能web算法》已经很经典，学习的话不宜读太

多的入门书籍，建议只看一些上述两本书没讲到的算法。

《机器学习及其应用》

周志华、杨强主编。来源于“机器学习及其应用研讨会”的文

集。该研讨会由复旦大学智能信息处理实验室发起，目前已举办了

十届，国内的大牛如李航、项亮、王海峰、刘铁岩、余凯等都曾在

该会议上做过讲座。这本书讲了很多机器学习前沿的具体的应用，

需要有基础的才能看懂。如果想了解机器学习研究趋势的可以浏览

一下这本书。关注领域内的学术会议是发现研究趋势的方法嘛。

《ManagingGigabytes》（深入搜索引擎）