【入门书籍】新手入门机器学习，强烈推荐这几本书籍

• 本文收录于《深入浅出讲解自然语言处理》专栏，此专栏聚焦于自然语言处理领域的各大经典算法，将持续更新，欢迎大家订阅！
• 个人主页：有梦想的程序星空
• 个人介绍：小编是人工智能领域硕士，全栈工程师，深耕Flask后端开发、数据挖掘、NLP、Android开发、自动化等领域，有较丰富的软件系统、人工智能算法服务的研究和开发经验。
• 如果文章对你有帮助，欢迎关注、点赞、收藏、订阅。

近年来，人工智能非常火热，几乎涉及到了生活中的方方面面：语音识别、人脸检测、自然语言处理、数据挖掘、推荐系统、游戏、智能机器人、智能医疗、智慧城市等等。

机器学习算法是人工智能的核心，是使得计算机系统具有智能的根本途径，赋予计算机推理、学习和解决问题的能力。

可见进入AI领域，机器学习技能就是敲门砖，那么新手该如何入门机器学习、数据挖掘领域呢？正所谓要想建高楼，得先打好地基，机器学习算法涉及到数学、统计学、概率论、最优化理论等各种知识，希望同学们能静下心来，多研究学习机器学习的基础原理，领会机器学习算法的思想，下面推荐三本适合新手入门的书籍！

机器学习领域的西瓜书：《机器学习》

作者是机器学习与数据挖掘研究所（LAMDA）所长周志华教授，出版社为清华大学出版社。

该书详细讲解了机器学习的基础理论概念，包括：模型选择和评估、线性模型、决策树、神经网络、SVM、贝叶斯分类器、EM算法、集成学习、聚类、降维、概率图模型（HMM，CRF）等知识点。

该书有一个别名叫《西瓜书》，源于书中多次借助于西瓜举例，以便更形象地阐述。《机器学习》是新手入门机器学习领域的必读书籍，介绍了机器学习领域应用到的各种基础的机器学习算法及原理，涉及到不少统计、概率论、计算理论、矩阵论、运筹优化等数学推导，建议有一定数学基础的同学或是机器学习爱好者阅读。

机器学习的统计学基础：《统计学习方法》

 作者是李航教授，出版社为清华大学出版社。

该书详细讲解了机器学习的统计学理论，全书分为监督学习算法和无监督学习算法两大部分，监督学习部分包括：感知机、K近邻、朴素贝叶斯、决策树、logisitic回归、SVM、集成学习、EM、HMM、CRF。无监督学习部分包括：聚类、奇异值分解、PCA、LSA（潜在语义分析）、MCMC（马尔科夫蒙特卡洛法）、LDA（潜在狄利克雷分配）等。该书的数学公式较多，各算法的总结非常到位。读者可以重点关注各种算法的损失函数、学习训练方法、预测方法。

该书对每个知识点都详细阐述，对算法的数学推导过程讲解地非常详细清楚，让读者对各种机器学习算法背后设计的统计学、概率论原理有个清楚的理解，收益颇丰。

机器学习的数学基础：《数学之美》

 作者是吴军博士，出版社为人民邮电出版社。

该书运用多个浅显易懂的故事讲述了机器学习、自然语言处理领域相关的基础知识，包括：统计语言模型、中文分词、HMM、信息论、最大熵模型、贝叶斯网络、CRF、维特比算法、EM算法、logisit回归、大数据等知识。

同时，该书教会读者如何在实际中运用数学知识化繁为简，跳出固有思维，多思考，多创新。

关注微信公众号【有梦想的程序星空】，了解软件系统和人工智能算法领域的前沿知识，让我们一起学习、一起进步吧！