初学者学习机器学习应该选择哪本教材？

初学者学习机器学习应该选择哪本教材？

来吧，做一个时代的弄潮儿……卷进来吧……

据我观察，现在很多想转行从事机器学习的，其实都不是因为真的喜欢，而是因为这个方向挣钱多。但是话说回来，我也喜欢赚钱多的机会……

这几年其实火起来的人工智能技术，说到细的地方其实是深度学习，deep learning，虽然这几年这个方向发展的很迅速，很强大，很烧钱，也很赚钱，但是必须要说的是，媒体上天天吹嘘的，人工智能是因为有智能这个词，容易有科技感，而说到底是深度学习这个方向，或者说神经网络往前走了走，再或者说是机器学习的一个方向往前走了走。甚至可以说，是曾经在2012年前很难找工作的计算机视觉(computer vision或者machine vision)现在有了应用市场了，春天来了。当然必须要提的是，深度学习并不是只有计算机视觉方向发展了，在语音方向也有发展，只是在CV方向，原来是难就业，现在是一片汪洋全是做CV的。

教材著作也出来好多好多，国外经典的就是花书 deep learning，作者是Ian Goodfellow and Yoshua Bengio and Aaron Courville。有中文版，翻译的怎么样，反正据说还可以。当然，你如果英文好，看原本是不二选择。但是对作者这三位大牛，如果你一个都不知道，那你先不用管这本书了，说明你对这个行业了解的太少太少，先从基本开始吧，直接跳过本段接下来的内容往下看吧。花书这本书是书如其名，专门针对深度学习的，如果想针对这个方向深入，基础又够，其实看这本挺好的，推荐英文版。

 

 

花书

 

 

西瓜书

如果你对机器学习、统计学习、模式识别，这些词都不太懂，那么我建议你从西瓜书开始，西瓜书是其俗称，因为该教材中所有例子都是来自于炎热夏天怎么挑西瓜，封面也是可口的西瓜，所以俗称西瓜书。其真名是《机器学习》，南京大学周志华教授的著作，作者不用多介绍，是国内少有的没有出国镀金的机器学习领域的领军人物之一。以前还有自动化所王珏教授，机器学习大牛之一，也培养了好多优秀学生，遗憾王教授前几年去世了。西瓜书相对来说，比较全面，再者难易度比较广，开始看的时候有些难的地方看不懂没事，先尽量走一遍，对机器学习中的分类、决策树、集成学习、神经网络、聚类、特征提取等等都有大概认识了，再细看，难点不懂得的好好琢磨或者查资料。在看这本书的过程中，第一遍先从推导公式开始吧，这也是这本教材不太友好的一个地方，公式推荐太粗略了，因此市面上有小伙伴已经出版了公式推导的辅导教材了，大家可以去书店翻翻，名字是《机器学习公式详解》，该书长相如图所示。该书很薄，里面有些公式可以作为参考，第一遍可以不看书推导西瓜书的公式，推不出来再看别的书或者网上搜。

 

 

当然如果你已经到了可以独自这个推导公式阶段，我觉得你可以尝试用另外一本书作为参考书，那就是大名鼎鼎的《统计学习方法》，这套书是李航研究员的著作，第一版就广受好评，但是其实不太适合小白。我自己觉得适合对机器学习大概有一定实践和认识的人，想把理论知识系统串一下或者提升一下的，研究生或者对课程掌握要求较高的本科生，这本书知识点总结的实在是太好了，公式其实补充的也很好，但是就是因为是知识点串起来的，很成体系，又不厚，这样就有个问题，比较抽象，书里有很多知识点是放在例题里进行讲解的，而不是像大多数教材那样，讲完知识点再用例题来巩固，这本书好多地方是例题的形式来介绍知识点，当然例题也不算太多，所以很抽象。但是这本书在我心目中，知识点讲解的比西瓜书清晰，大概是因为例题这些东西不需要多，只需要精即可，再者我多少也有一定实践经验了，对西瓜书里的很多例题不是很喜欢，西瓜书的例题实在是感觉有点啰嗦（逃……）。

 

 

如果对西瓜书和统计学习方法都看过，大概就懂得了机器学习本质上就是在数据的基础上进行优化，而优化的对象就是目标函数，是优化理论的知识（从数学上来说，机器学习就是做最优化的）。但是作为一名实用主义者，机器学习就是用有限的数据去描述一个现象，希望能找到最佳描述参数，这组参数能描述手里看到的数据也能描述未来新数据。深度学习就是机器学习中，神经网络的发展壮大，而深度学习中用到的很多单元，都是机器学习别的方法用到的，所以你可以说要想懂深度学习，要先了解机器学习。

在看书的过程中，最好结合例题进行学习。我推荐统计学习方法和西瓜书的习题，西瓜书的习题比较好找，大家可以参考网上的资料，但是有些资料并不是唯一的，或者准确性打个问号，这也是好事，本来西瓜书的例题数据量都少，其实用哪种方法来解决都可以，效果也没差多少。

我不建议大家第一次学就先去调用网上的各种第三方库，所以就先不推荐了。

 

发现公众号可以直接从文档导入，所以很多东西会在公众号备忘。

 

标签：学习,西瓜,机器,知识点,哪本,初学者,教材,例题
来源： https://www.cnblogs.com/jianyingzhou/p/15861699.html