有哪些经典的Machine Learning的教材?

一、有哪些经典的Machine Learning的教材?

初学者,献丑

不完整地看过三本书

Machine Learning by Tom Mitchell, 作者是CMU Machine Learning Department的老大,主要是从CS的角度写的,涵盖的面比较广,较为传统的话题如Concept learning, Decision Tree, ANN,以及Genetic Algorithm等等都涵盖其中,讲的很细致,各章之内的条理很清楚,都是围绕task和method展开,比较易于理解

Pattern Recognition and Machine Learning by Chris Bishop, 这本PRML比较著名了,其特点就是以statistical learning的角度较为全面地讲述了近年来比较时髦的machine learning话题,比如bayesian method, graphical model, EM等等,作者是理论物理出身(著名的Peter Higgs的学生,就是提出希格斯粒子理论的那位。。。),大概本身数学背景就更多一点,所以此书统计和数学味道更重,如果对此类方向比较感兴趣的话,应该比较对胃口

Pattern Classification by Richard O. Duda, 说实话这本书没怎么仔细看过,只是课上讲过几章内容,从书名就可知道是侧重于pattern recognition的,尤其是classification,这本书应当是比较全面的介绍了各种classification的问题,基本上各种Bayesian decision theory,参数估计,非参数模型,linear discriminant, neural network, clustering和unsupervised learning等等方法都讲到了。

二、如果我想学习机器学习,需要看哪些书?

,很不错的。好像有本书叫机器学习,有关图像处理啊、机器视觉、还有一些数学基础,分类算法等,最重要的应该是数学,因为问题最后基本都是在解方程,而且差不多都是非线性的。

三、python三本经典书籍都是什么?

python三本经典书籍有:《深度学习入门:基于Python的理论与实现》,《Python高性能(第2版)》,《Python科学计算最佳实践:SciPy指南》。

1、《深度学习入门:基于Python的理论与实现》

本书深入浅出地剖析了深度学习的原理和相关技术,使用Python3,尽量不依赖外部库或工具,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。

Python提供了大量的第三方模块,使用方式与标准库类似。它们的功能无所不包,覆盖科学计算、Web开发、数据库接口、图形系统多个领域,并且大多成熟而稳定。第三方模块可以使用Python或者C语言编写。

SWIG,SIP常用于将C语言编写的程序库转化为Python模块。Boost C++ Libraries包含了一组库,Boost.Python,使得以 Python 或 C++ 编写的程序能互相调用。借助于拥有基于标准库的大量工具、能够使用低级语言如C和可以作为其他库接口的C++,Python已成为一种强大的应用于其他语言与工具之间的胶水语言。

2、《Python高性能(第2版)》

本书主要介绍如何让Python程序发挥强大性能,内容涵盖针对数值计算和科学代码的优化,以及用于提高Web服务和应用响应速度的策略。

具体内容有:

图形处理:有PIL、Tkinter等图形库支持,能方便进行图形处理。

数学处理:NumPy扩展提供大量与许多标准数学库的接口。

文本处理:python提供的re模块能支持正则表达式,还提供SGML,XML分析模块,许多程序员利用python进行XML程序的开发。

数据库编程:程序员可通过遵循Python DB-API(数据库应用程序编程接口)规范的模块与Microsoft SQL Server,Oracle,Sybase,DB2,MySQL、SQLite等数据库通信。python自带有一个Gadfly模块,提供了一个完整的SQL环境。

3、《Python科学计算最佳实践:SciPy指南》

本书旨在介绍开源的Python算法库和数学工具包SciPy。近年来,基于NumPy和SciPy的完整生态系统迅速发展,并在天文学、生物学以及材料科学等多个学科得到了广泛应用。

本书结合大量代码实例,详尽展示了SciPy的强大科学计算能力,包括用NumPy和SciPy进行分位数标准化,用Ndimage实现图像区域网络、频率与快速傅里叶变换,用稀疏坐标矩阵实现列联表、SciPy中的线性代数、SciPy中的函数优化等。

Python标准库的主要功能有:

文本处理,包含文本格式化、正则表达式匹配、文本差异计算与合并、Unicode支持,二进制数据处理等功能。

文件处理,包含文件操作、创建临时文件、文件压缩与归档、操作配置文件等功能。

操作系统功能,包含线程与进程支持、IO复用、日期与时间处理、调用系统函数、写日记(logging)等功能。