機(jī)器學(xué)習(xí)的書(shū)看不懂怎么辦?看看大神怎么回答?

（給機(jī)器學(xué)習(xí)算法與Python實(shí)戰(zhàn)加星標(biāo)，提升AI技能）

有同學(xué)問(wèn)：機(jī)器學(xué)習(xí)的書(shū)看不懂怎么辦？于是我去知乎找了很多大神的回復(fù)。

本文來(lái)源：知乎

高贊回復(fù)一

作者：張戎

第一次學(xué)機(jī)器學(xué)習(xí)的時(shí)候還是選定一本書(shū)，先精通一本書(shū)籍，再泛讀其他書(shū)籍，其他機(jī)器學(xué)習(xí)書(shū)籍作為查缺補(bǔ)漏的教材或者參考資料。機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域。

首先推薦周志華老師的《機(jī)器學(xué)習(xí)》

這本書(shū)作為該領(lǐng)域的入門(mén)教材，在內(nèi)容上涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的很多方面全書(shū)共16章，大致分為3個(gè)部分：

第1部分（第1~3章）介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)；

第2部分（第4~10章）討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法（決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類(lèi)器、集成學(xué)習(xí)、聚類(lèi)、降維與度量學(xué)習(xí)）；

第3部分（第11~16章）為進(jìn)階知識(shí)，內(nèi)容涉及特征選擇與稀疏學(xué)習(xí)、計(jì)算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)等。

《統(tǒng)計(jì)學(xué)習(xí)方法（第二版）》

全面系統(tǒng)地介紹了統(tǒng)計(jì)學(xué)習(xí)的主要方法，共分兩篇。第一篇系統(tǒng)介紹監(jiān)督學(xué)習(xí)的各種重要方法，包括決策樹(shù)、感知機(jī)支持向量機(jī)、很大熵模型與邏輯斯諦回歸、推進(jìn)法、多類(lèi)分類(lèi)法、EM算法、隱馬爾科夫模型和條件隨機(jī)場(chǎng)等；第二篇介紹無(wú)監(jiān)督學(xué)習(xí)，包括聚類(lèi)、奇異值、主成分分析、潛在語(yǔ)義分析等。

在學(xué)機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)的時(shí)候，實(shí)戰(zhàn)一直是一個(gè)重要的環(huán)節(jié)。《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于 Scikit LearnTensorFlow和》

本書(shū)作者 Aurelien Geron曾經(jīng)是谷歌工程師，在2013年至2016年，主導(dǎo)了 YouTube的視頻分類(lèi)工程，擁有豐富的機(jī)器學(xué)習(xí)項(xiàng)目經(jīng)驗(yàn)。作者的寫(xiě)作初衷是希望從實(shí)踐出發(fā)，手把手地幫助開(kāi)發(fā)者從零開(kāi)始搭建起一個(gè)神經(jīng)網(wǎng)絡(luò)。這也正構(gòu)成了本書(shū)區(qū)別于其他機(jī)器學(xué)習(xí)教程的最重要的特質(zhì)一不再偏向于原理研究的角度，而是從開(kāi)發(fā)者的實(shí)踐角度出發(fā)，在動(dòng)手寫(xiě)代碼的過(guò)程中，循序漸進(jìn)地了解機(jī)器學(xué)習(xí)的理論知識(shí)和工具的實(shí)踐技巧。對(duì)于想要快速上手機(jī)器學(xué)習(xí)的開(kāi)發(fā)者來(lái)說(shuō)，本書(shū)是一個(gè)非常值得嘗試的起點(diǎn)項(xiàng)目。

《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》

主要介紹機(jī)器學(xué)習(xí)基礎(chǔ)，以及如何利用算法進(jìn)行分類(lèi)，并逐步介紹了多種經(jīng)典的監(jiān)督學(xué)習(xí)算法，如k近鄰算法、樸素貝葉斯算法、 Logistic回歸算法、支持向量機(jī)、 AdaBoost集成方法、基于樹(shù)的回歸算法和分類(lèi)回歸樹(shù)（CART）算法等。第三部分則重點(diǎn)介紹無(wú)監(jiān)督學(xué)習(xí)及其一些主要算法：k均值聚類(lèi)算法、 Apriori算法、fp- -Growth算法。第四部分介紹了機(jī)器學(xué)習(xí)算法的一些附屬工具。本書(shū)通過(guò)精心編排的實(shí)例，切入日常工作任務(wù)，摒棄學(xué)術(shù)化語(yǔ)言，利用高效的可復(fù)用Python代碼來(lái)闡釋如何處理統(tǒng)計(jì)數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析及可視化。通過(guò)各種實(shí)例，讀者可從中學(xué)會(huì)機(jī)器學(xué)習(xí)的核心算法，并能將其運(yùn)用于一些策略性任務(wù)中，如分類(lèi)、預(yù)測(cè)、推薦。另外，還可用它們來(lái)實(shí)現(xiàn)一些更高級(jí)的功能，如匯總和簡(jiǎn)化等。

《深度學(xué)習(xí)》（花書(shū)）

這本書(shū)的作者是 lan Goodfellow、 Yoshua Bengio和 Aaron Courville三位大牛。這本書(shū)的中文版于2017年7月22號(hào)上市。該書(shū)由眾多譯者協(xié)力完成。《深度學(xué)習(xí)》這本書(shū)從淺入深介紹了基礎(chǔ)數(shù)學(xué)知識(shí)、機(jī)器學(xué)習(xí)經(jīng)驗(yàn)以及現(xiàn)階段深度學(xué)習(xí)的理論和發(fā)展，不管是人工智能技術(shù)好者，還是相關(guān)從業(yè)人員使用這本書(shū)都是非常有好處的。另外，讀者如果想熟悉一些數(shù)學(xué)知識(shí)，本書(shū)也做了一些介紹，包括矩陣，導(dǎo)數(shù)等基本內(nèi)容。讀者可以從頭讀到尾。《深度學(xué)習(xí)》這本書(shū)的一大特點(diǎn)是介紹深度學(xué)習(xí)算法的本質(zhì)，脫離具體代碼實(shí)現(xiàn)給出算法背后的邏輯，不寫(xiě)代碼的人也完全可以看。為了方便讀者閱讀作者特別繪制了本書(shū)的內(nèi)容組織結(jié)構(gòu)圖，指出了全書(shū)20章內(nèi)容之間的相關(guān)關(guān)系。讀者可以根據(jù)自己的背景或需要，隨意挑選閱讀。

除此之外，還有一本書(shū)《動(dòng)手學(xué)深度學(xué)習(xí)》。本書(shū)旨在向讀者交付有關(guān)深度學(xué)習(xí)的交互式學(xué)習(xí)體驗(yàn)。書(shū)中不僅闡述深度學(xué)習(xí)的算法原理，還演示它們的實(shí)現(xiàn)和運(yùn)行。與傳統(tǒng)圖書(shū)不同，本書(shū)的每一節(jié)都是一個(gè)可以下載并運(yùn)行的 Jupyter記事本，它將文字、公式、圖像、代碼和運(yùn)行結(jié)果結(jié)合在了一起。此外，讀者還可以訪問(wèn)并參與書(shū)中內(nèi)容的討論。
全書(shū)的內(nèi)容分為3個(gè)部分：第一部分介紹深度學(xué)習(xí)的背景，提供預(yù)備知識(shí)，并包括深度學(xué)習(xí)基礎(chǔ)的概念和技術(shù)；第二部分描述深度學(xué)習(xí)計(jì)算的重要組成部分，還解釋近年來(lái)令深度學(xué)習(xí)在多個(gè)領(lǐng)域大獲成功的卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)；第三部分評(píng)價(jià)優(yōu)化算法，檢驗(yàn)影響深度學(xué)習(xí)計(jì)算性能的重要因素，并分別列舉深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理中的重要應(yīng)用。本書(shū)同時(shí)覆蓋深度學(xué)習(xí)的方法和實(shí)踐，主要面向在校大學(xué)生、技術(shù)人員和研究人員。閱讀本書(shū)需要讀者了解基本的 Python編程或附錄中描述的線性代數(shù)、微分和概率基礎(chǔ)。

如果覺(jué)得數(shù)學(xué)知識(shí)不太夠，可以看這一本《深度學(xué)習(xí)的數(shù)學(xué)》。本書(shū)基于豐富的圖示和具體示例，通俗易懂地介紹了深度學(xué)習(xí)相關(guān)的數(shù)學(xué)知識(shí)。

第1章介紹神經(jīng)網(wǎng)絡(luò)的概況；

第2章介紹理解神經(jīng)網(wǎng)絡(luò)所需的數(shù)學(xué)基礎(chǔ)知識(shí)；

第3章介紹神經(jīng)網(wǎng)絡(luò)的優(yōu)化；

第4章介紹神經(jīng)網(wǎng)絡(luò)和誤差反向傳播法；

第5章介紹深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)。

書(shū)中使用 Excel進(jìn)行理論驗(yàn)證，幫助讀者直觀地體驗(yàn)深度學(xué)習(xí)的原理。

如果想復(fù)習(xí)一些數(shù)學(xué)課程，可以讀一些數(shù)學(xué)方面的基礎(chǔ)課，例如微積分，線性代數(shù)，概率論等課程。程序員直接閱讀數(shù)學(xué)書(shū)可能會(huì)比較枯燥，但是有人貼心地針對(duì)程序員撰寫(xiě)了相應(yīng)的數(shù)學(xué)書(shū)籍。

《程序員的數(shù)學(xué)第2版》面向程序員介紹了編程中常用的數(shù)學(xué)知識(shí)，借以培養(yǎng)初級(jí)程序員的數(shù)學(xué)思維。讀者無(wú)須精通編程，也無(wú)須精通數(shù)學(xué)，只要具備四則運(yùn)算和乘方等基礎(chǔ)知識(shí)，即可閱讀本書(shū)。本書(shū)講解了二進(jìn)制計(jì)數(shù)法、邏輯、余數(shù)、排列組合、遞歸、指數(shù)爆炸、不可解問(wèn)題等許多與編程密切相關(guān)的數(shù)學(xué)方法，分析了哥尼斯堡七橋問(wèn)題、高斯求和漢諾塔、斐波那契數(shù)列等經(jīng)典問(wèn)題和算法。引導(dǎo)讀者深入理解編程中的數(shù)學(xué)方法和思路。

《程序員的數(shù)學(xué)2：概率統(tǒng)計(jì)》涉及隨機(jī)變量、貝葉斯公式、散值和連續(xù)值的概率分布、協(xié)方差矩陣、多元正態(tài)分布、估計(jì)與檢驗(yàn)理論、偽隨機(jī)數(shù)以及概率論的各類(lèi)應(yīng)用，適合程序設(shè)計(jì)人員與數(shù)學(xué)愛(ài)好者閱讀，也可作為高中或大學(xué)非數(shù)學(xué)專(zhuān)業(yè)學(xué)生的概率論入門(mén)讀物。

《程序員的數(shù)學(xué)3：線性代數(shù)》本書(shū)用通俗的語(yǔ)言和具象的圖表深入講解了編程中所需的線性代數(shù)知識(shí)。內(nèi)容包括向量、矩陣、行列式、秩、逆矩陣、線性方程、LU分解、特征值、對(duì)角化、 Jordan標(biāo)準(zhǔn)型、特征值算法等。
通常來(lái)說(shuō)，學(xué)習(xí)機(jī)器學(xué)習(xí)的時(shí)候，精讀一本書(shū)即，其他書(shū)用于輔助和查缺補(bǔ)漏，然后就可以根據(jù)科研的方向和導(dǎo)師的要求來(lái)閱讀論文和搞科研了。如果想要學(xué)習(xí)數(shù)學(xué)系的一些課程的話，可以先閱讀一些工科方面的數(shù)學(xué)書(shū)，有時(shí)間的話再選擇一些數(shù)學(xué)的專(zhuān)業(yè)書(shū)籍進(jìn)行閱讀。

高贊回復(fù)二

作者：賣(mài)團(tuán)子的小喵吉

來(lái)源：知乎

首先建議題主，prml和ml：app二者其實(shí)最好能選一本深讀。總的說(shuō)prml更寬泛，app是從貝葉斯入手的，具體怎么選，還是要看題主的興趣。

選定一本書(shū)后，個(gè)人建議，題主一定要備一本

對(duì)就這本，絕對(duì)是入門(mén)與提高的教科書(shū)，書(shū)不厚，但是學(xué)院氣息很濃，最好在看別的前先把這本書(shū)過(guò)一遍，事半功倍，但是正如我所說(shuō)，這本書(shū)本身學(xué)院氣息過(guò)濃，看起來(lái)也會(huì)很痛苦，當(dāng)然也可以選擇先大慨看一遍，后面當(dāng)個(gè)參考書(shū)用。
其實(shí)我最大的建議就是，準(zhǔn)備多本書(shū)，但是只精度一本。因?yàn)槊勘緯?shū)都有自己的缺陷，即使是像prml，雖然又廣又精，還是有些地方存在不足，比如在圖模型領(lǐng)域，必然不如

但這本書(shū)，又是個(gè)大坑。
還有一點(diǎn)，看書(shū)絕對(duì)是一種效率最低卻必須在學(xué)習(xí)過(guò)程中經(jīng)歷的一個(gè)過(guò)程。其實(shí)入門(mén)的話感覺(jué)還是要看一些視頻，ng大大的最方便，臺(tái)灣有個(gè)機(jī)器學(xué)習(xí)基石，也不錯(cuò)，但是視頻永遠(yuǎn)只能入門(mén)，而看書(shū)，像prml的作用也只是夯實(shí)基礎(chǔ)，適當(dāng)在感興趣領(lǐng)域追一些paper，也是很有幫助的。
至于數(shù)學(xué)，仁者見(jiàn)仁吧，我個(gè)人的意見(jiàn)是，如果真的想做的深，工科數(shù)學(xué)基礎(chǔ)完全不夠，我學(xué)DBM的時(shí)候甚至想去選修統(tǒng)計(jì)物理了……

其他

作者：唐家聲

來(lái)源：知乎

三點(diǎn)。
一、反復(fù)重復(fù)推導(dǎo)過(guò)程；
二、實(shí)踐代碼，將數(shù)學(xué)推導(dǎo)與數(shù)據(jù)的特點(diǎn)，如維度等建立聯(lián)系；
三、推薦跟一下臺(tái)大 林軒田老師的 機(jī)器學(xué)習(xí)基石 和 機(jī)器學(xué)習(xí)技法 兩門(mén)課，有理論有推導(dǎo)有講解—>有幫助。

作者：邪惡總督?

看書(shū)看不懂正常的 多翻幾本書(shū)比較著看然后上網(wǎng)搜推導(dǎo)過(guò)程/書(shū)上問(wèn)題的討論矩陣求導(dǎo)知乎上已經(jīng)有很多?

這一塊內(nèi)容屬于課本不講但是ML書(shū)上遍地都是的內(nèi)容.

總結(jié)

以上都是大神們的意見(jiàn)和建議，建議學(xué)習(xí)者多看看，多聽(tīng)聽(tīng)，找到適合自己的方法。

加入機(jī)器學(xué)習(xí)、Python微信群

推薦閱讀

（點(diǎn)擊標(biāo)題可跳轉(zhuǎn)閱讀）

機(jī)器學(xué)習(xí)入門(mén)：硬核拆解GBDT

感謝你的分享，點(diǎn)贊，在看三連↓↓↓