机器学习书籍

1. 《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。

2.《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。

3.《Machine Learning》（《机器学习》） 作者Tom Mitchell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。

4.《深度学习》深度学习领域的经典，Gan 之父 Goodfellow 所著，是一本非常适合机器学习进阶学习的书。介绍深度学习的数学基知识和机器学习基础，同时也全面地包含了深度学习的理论与实践。比如经典的CNN, RNN 等神经网络，经典的RBM，DBN等无监督神经网络，比较新的GAN，DCGAN等无监督神经网络。