機(jī)器學(xué)習(xí)的書看不懂怎么辦?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：機(jī)器學(xué)習(xí)的書看不懂怎么辦？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，先精通一本書籍，再泛讀其他書籍，其他機(jī)器學(xué)習(xí)書籍作為查缺補(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)》

這本書作為該領(lǐng)域的入門教材，在內(nèi)容上涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識的很多方面全書共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；

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、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)）；

第3部分（第11~16章）為進(jìn)階知識，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、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、多類分類法、EM算法、隱馬爾科夫模型和條件隨機(jī)場等；第二篇介紹無監(jiān)督學(xué)習(xí)，包括聚類、奇異值、主成分分析、潛在語義分析等。

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)。作者的寫作初衷是希望從實(shí)踐出發(fā)，手把手地幫助開發(fā)者從零開始搭建起一個(gè)神經(jīng)網(wǎng)絡(luò)。這也正構(gòu)成了本書區(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，而是從開發(fā)者的實(shí)踐角度出發(fā)，在動(dòng)手寫代碼的過程中，循序漸進(jìn)地了解機(jī)器學(xué)習(xí)的理論知識和工具的實(shí)踐技巧。對于想要快速上手機(jī)器學(xué)習(xí)的開發(fā)者來說，本書是一個(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，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、基于樹的回歸算法和分類回歸樹（CART）算法等。第三部分則重點(diǎn)介紹無監(jiān)督學(xué)習(xí)及其一些主要算法：k均值聚類算法、 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。本書通過精心編排的實(shí)例，切入日常工作任務(wù)，摒棄學(xué)術(shù)化語言，利用高效的可復(fù)用Python代碼來闡釋如何處理統(tǒng)計(jì)數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析及可視化。通過各種實(shí)例，讀者可從中學(xué)會機(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、預(yù)測、推薦。另外，還可用它們來實(shí)現(xiàn)一些更高級的功能，如匯總和簡化等。

《深度學(xué)習(xí)》（花書）

這本書的作者是 lan Goodfellow、 Yoshua Bengio和 Aaron Courville三位大牛。這本書的中文版于2017年7月22號上市。該書由眾多譯者協(xié)力完成。《深度學(xué)習(xí)》這本書從淺入深介紹了基礎(chǔ)數(shù)學(xué)知識、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，本書也做了一些介紹，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的內(nèi)容組織結(jié)構(gòu)圖，指出了全書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《動(dòng)手學(xué)深度學(xué)習(xí)》。本書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)圖書不同，本書的每一節(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，讀者還可以訪問并參與書中內(nèi)容的討論。
全書的內(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，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)視覺和自然語言處理中的重要應(yīng)用。本書同時(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)。

如果覺得數(shù)學(xué)知識不太夠，可以看這一本《深度學(xué)習(xí)的數(shù)學(xué)》。本書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。

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；

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)書可能會比較枯燥，但是有人貼心地針對程序員撰寫了相應(yīng)的數(shù)學(xué)書籍。

《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，借以培養(yǎng)初級程序員的數(shù)學(xué)思維。讀者無須精通編程，也無須精通數(shù)學(xué)，只要具備四則運(yùn)算和乘方等基礎(chǔ)知識，即可閱讀本書。本書講解了二進(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題、高斯求和漢諾塔、斐波那契數(shù)列等經(jīng)典問題和算法。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)以及概率論的各類應(yīng)用，適合程序設(shè)計(jì)人員與數(shù)學(xué)愛好者閱讀，也可作為高中或大學(xué)非數(shù)學(xué)專業(yè)學(xué)生的概率論入門讀物。

《程序員的數(shù)學(xué)3：線性代數(shù)》本書用通俗的語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。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、對角化、 Jordan標(biāo)準(zhǔn)型、特征值算法等。
通常來說，學(xué)習(xí)機(jī)器學(xué)習(xí)的時(shí)候，精讀一本書即，其他書用于輔助和查缺補(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，有時(shí)間的話再選擇一些數(shù)學(xué)的專業(yè)書籍進(jìn)行閱讀。

高贊回復(fù)二

作者：賣團(tuán)子的小喵吉

來源：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。

選定一本書后，個(gè)人建議，題主一定要備一本

對就這本，絕對是入門與提高的教科書，書不厚，但是學(xué)院氣息很濃，最好在看別的前先把這本書過一遍，事半功倍，但是正如我所說，這本書本身學(xué)院氣息過濃，看起來也會很痛苦，當(dāng)然也可以選擇先大慨看一遍，后面當(dāng)個(gè)參考書用。
其實(shí)我最大的建議就是，準(zhǔn)備多本書，但是只精度一本。因?yàn)槊勘緯加凶约旱娜毕?，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，又是個(gè)大坑。
還有一點(diǎn)，看書絕對是一種效率最低卻必須在學(xué)習(xí)過程中經(jīng)歷的一個(gè)過程。其實(shí)入門的話感覺還是要看一些視頻，ng大大的最方便，臺灣有個(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，而看書，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)，仁者見仁吧，我個(gè)人的意見是，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

來源：知乎

三點(diǎn)。
一、反復(fù)重復(fù)推導(dǎo)過程；
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 兩門課，有理論有推導(dǎo)有講解—>有幫助。

作者：邪惡總督?

看書看不懂正常的 多翻幾本書比較著看然后上網(wǎng)搜推導(dǎo)過程/書上問題的討論矩陣求導(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書上遍地都是的內(nèi)容.

總結(jié)

以上都是大神們的意見和建議，建議學(xué)習(xí)者多看看，多聽聽，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：硬核拆解GBDT

感謝你的分享，點(diǎn)贊，在看三連↓↓↓