數(shù)學(xué)：
高等數(shù)學(xué)、數(shù)理統(tǒng)計與概率論，工程線性代數(shù)，數(shù)值分析，矩陣論，凸優(yōu)化。 我花了將近半年時間全職看完這些書，結(jié)論是：數(shù)學(xué)投入的性價比及其低，因為這是書中牽扯到機器學(xué)習(xí)中的知識很零碎，我感覺占比不到10%。但是有些知識是必看的：1：高等數(shù)學(xué)中的如何求導(dǎo)（鏈?zhǔn)角髮?dǎo)）2.數(shù)理統(tǒng)計與概率論前八章必須看。線性代數(shù)只需要了解下矩陣相乘和特征分解和特征向量，數(shù)值分析中一定要看牛頓法和最小二乘法，矩陣論中了解下范式即可。凸優(yōu)化看一下第二章凸集，重點了解下半平面即可。 剩下的數(shù)學(xué)等用到再學(xué)不遲。不然過大的數(shù)學(xué)投入，很容易讓人放棄。
機器學(xué)習(xí)
然后評價以下機器學(xué)習(xí)網(wǎng)紅書：統(tǒng)計學(xué)習(xí)方法，機器學(xué)習(xí)代碼實戰(zhàn)，周志華的西瓜書，Hands on Machine Learning with Scikit Learn and Tensorflow, An Introduction to Statistical Learning(簡稱ISL), Python Machine Learning
統(tǒng)計學(xué)習(xí)方法：純算法介紹，基本沒有代碼級別的介紹。入門必看，但是有個缺點：有些算法介紹的過于抽象，建議搭配網(wǎng)上的代碼實現(xiàn)來看。我參考的是:https://blog.csdn.net/wds2006sdo/article/details/53106579
統(tǒng)計學(xué)習(xí)方法：干貨理論，無代碼，和代碼實戰(zhàn)結(jié)合看效果好。 代碼實戰(zhàn)只是玩具級別的實現(xiàn)，想看工業(yè)界別的實現(xiàn)，Hands on Machine Learning with Scikit Learn 。。。即可。 Python Machine Learning，內(nèi)容多而不深，適合有一定基礎(chǔ)的人相當(dāng)于做個備忘錄。ISL是做線性回歸的必看之書。
機器學(xué)習(xí)代碼實戰(zhàn)：網(wǎng)上一片聲音哭著喊著這本書非常好。其實我不覺得，這本書我覺得很尷尬的地位：說理論介紹八，它沒有，說真正實踐把，又是自己手寫的算法，離產(chǎn)品化很遠。我覺得這本書就是給想入門機器學(xué)習(xí)又害怕數(shù)學(xué)的軟件出身人員人弄的一套代碼級別的書，看完誤認為自己懂了機器學(xué)習(xí)，其實深陷在代碼細節(jié)中，怎么可能做到只見森林不見樹木？不過個人這個感覺看這個本要結(jié)合李航的統(tǒng)計學(xué)習(xí)方法一起看
不過這本書（代碼實戰(zhàn)）我還是推薦看的。后面我會說為什么
周志華的西瓜書：內(nèi)容龐大，不合適入門。非要作為入門書的話，前期看起來比較痛苦。大多停留在理論介紹（不過我們也需要理論介紹），適合對機器有點認識的人做參考書
Hands on Machine Learning with Scikit Learn and Tensorflow：這本書有點相見恨晚的感覺，我覺得這本書作為入門書也不錯，而且是工業(yè)級別的應(yīng)用，看完就可以打kaggle。很多代碼工作中也可以用，算法介紹詳細，結(jié)合配套github看完這人茅塞頓開。
An Introduction to Statistical Learning(簡稱ISL)：據(jù)說是ESL的入門書，ESL太厚了，太多數(shù)學(xué)公式，我還是轉(zhuǎn)戰(zhàn)ISL吧，聽說還是斯坦福的教材。果然不負眾望，內(nèi)容邏輯性強，從variance/bias的trade off的角度介紹了很多算法?；貧w很分類問題。如果沒學(xué)過線性回歸，這本書必看無疑
Python Machine Learning：這個書也不錯，不像機器學(xué)習(xí)代碼實戰(zhàn)那樣，實現(xiàn)一些玩具庫。這本書主要使用skicit-learn對算法進行介紹?？上У囊稽c是，主要介紹了分類問題，對回歸和無監(jiān)督介紹的很少。這本書的亮點是：代碼工業(yè)級別，必須的數(shù)學(xué)證明。缺點是：沒有像ISL那樣對各種算法適合的場景進行對比介紹
Python Machine Learning：適合機器學(xué)習(xí)中級閱讀者
打比賽的時候或者工作的時候這個用還是不錯的
Deep Learning with Python：網(wǎng)上把這本書連同Hands on Machine Learning with Scikit Learn。。。和Python Machine Learning還有花書并列為機器學(xué)習(xí)四大名著。Deep Learning with Python這本書的keras的作者寫的，里面很少牽扯數(shù)學(xué)公式，上來就給你介紹如何用keras，把深度學(xué)習(xí)庫當(dāng)個黑盒來用。嗯，入門可以，但是談到看完用它來打比賽和工作，還有點遠，貌似，不過看完能對深度學(xué)習(xí)有點感性的了解
