网络机器人吧社区

【资源】28本必读的经典机器学习/数据挖掘书籍(免费下载)

Major术业 2019-02-10 15:14:21


机器学习/数据挖掘



 

1、Real World Machine Learning(现实世界中的机器学习)






作者:Henrik Brink,Joseph W.Richards和Mark Fetherolf

简介:本书介绍了现实世界中机器学习的应用,旨在教会工作开发者ML项目执行的艺术。

书籍链接:https://www.manning.com/books/real-world-machine-learning




2、An Introduction To Statistical Learning(统计学习介绍)






作者:加雷思詹姆斯,丹尼尔·维滕,特雷弗·哈斯蒂和罗伯特·蒂布拉尼

简介:本书提供了统计学习方法的介绍。适合于高年级本科生,硕士研究生和博士学位。非数学科学中的学生。

书籍链接:http://www-bcf.usc.edu/%7Egareth/ISL/




3、An Introduction To Statistical Learning(统计学习的要素)






作者:TrevorHastie   Robert Tibshirani    Jerome Friedman

简介:这本书的覆盖面广泛,从监督学习到无监督学习。涵盖了神经网络,支持向量机,分类树等经典算法。

书籍链接:http://statweb.stanford.edu/%7Etibs/ElemStatLearn/




4、Probabilistic Programming & Bayesian Methods for Hackers (概率编程与黑客的贝叶斯方法)





简介:本书综合的从数学和概率编程的角度介绍了贝叶斯方法。

书籍链接:http://camdavidsonpilon.github.io/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/




5、Think Bayes(贝叶斯方法)






作者:Allen B.Downey

简介:本书从计算的角度介绍贝叶斯统计。

书籍链接:http://greenteapress.com/wp/think-bayes/




6、Information Theory, Inference, and Learning Algorithms(信息理论,推理和学习算法)






简介:本书主要阐述了信息理论知识,以及其中的推理过程、学习算法,适合于机器学习辅助知识阅读。

书籍链接:http://www.inference.phy.cam.ac.uk/mackay/itila/book.html 




7、Gaussian Processes for Machine Learning(机器学习的高斯过程)





作者:Carl Edward Rasmussen和ChristopherK. I. Williams

简介:在这本书中,我们将关注监督学习,并根据输出的特性,讨论了回归,分类等问题。

书籍链接:http://www.gaussianprocess.org/gpml/chapters/




8、Data-Intensive Text Processing with MapReduce(数据强化文本处理)






作者:吉米·林和克里斯·戴尔。

简介:本书专注于MapReduce算法设计,重点放在自然语言处理,信息检索和机器学习中常用的

书籍链接:http://lintool.github.io/MapReduceAlgorithms/




9、Reinforcement Learning: - An Introduction(增强学习)    






作者:理查德·萨顿和安德鲁·巴托

简介:本书主要介绍深度学习中非常重要的一个方向“强化学习”,适合于刚学习这方面知识的人群。

书籍链接:http://webdocs.cs.ualberta.ca/%7Esutton/book/ebook/the-book.html




10、Mining of Massive Datasets(数据集挖掘规模化)





作者:Jure Leskovec    Anand Rajaraman   effrey D. Ullman

简介:本书适合研究数据挖掘的人群。

书籍链接:http://infolab.stanford.edu/%7Eullman/mmds/book.pdf



 

11、A First Encounter with Machine Learning(机器学习的第一次邂逅)





简介:本书用浅显的语言描述了机器学习知识,适合入门人群。

书籍链接:https://www.ics.uci.edu/%7Ewelling/teaching/273ASpring10/IntroMLBook.pdf




12、Pattern Recognition and Machine Learning(模式识别和机器学习)






简介:本书阐述了模式识别的各种方法,同时在其基础上讨论了机器学习方法,非常适合模式识别领域人群。

书籍链接:http://users.isr.ist.utl.pt/%7Ewurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf



 

13、Machine Learning & Bayesian Reasoning(机器学习与贝叶斯推理)





简介:本书了统计学于机器学习的关系,需要一定的数学基础的人群

书籍链接:http://web4.cs.ucl.ac.uk/staff/D.Barber/textbook/090310.pdf




14、Introduction to Machine Learning(机器学习简介)






简介:本书适合研究机器学习入门的人群

书籍链接:http://alex.smola.org/drafts/thebook.pdf



 

15、A Probabilistic Theory of Pattern Recognition(模式识别的概率理论)






简介:本书从模式识别问题实际出发,结合概率理论,并用概率理论知识解决模式识别问题,适合机器学习人群

书籍链接:http://www.szit.bme.hu/%7Egyorfi/pbook.pdf




16、ntroduction to Information Retrieval(信息检索简介)





简介:本书介绍机器学习中信息的运用过程,适合具有一定基础的机器学习人群。

书籍链接:http://nlp.stanford.edu/IR-book/pdf/irbookprint.pdf




17、Forecasting: principles and practice(预测:原则和实践)






简介:本教材旨在提供预测方法的全面介绍,并为每个方法提供足够的信息,以便读者能够明智地使用它们。

书籍链接:https://www.otexts.org/fpp/




18、Introduction to Machine Learning(机器学习简介)





简介:本书用实例的方法介绍了机器学习方法,适合一定基础的人群

书籍链接:https://arxiv.org/pdf/0904.3664v1.pdf




19、Reinforcement Learning(强化学习)






简介:本书主要介绍深度学习中非常重要的一个方向“强化学习”,适用于一定深度学习知识的人群

书籍链接:http://www.intechopen.com/books/reinforcement_learning




20、Machine Learning(机器学习)






简介:本书介绍机器学习方法,适用于机器学习一定基础的人群

书籍链接: http://www.intechopen.com/books/machine_learning




21、A Quest for AI(AI的任务)





简介:本书介绍人工智能可以做到的事情,适合研究人工智能技术的人群

书籍链接:http://ai.stanford.edu/%7Enilsson/QAI/qai.pdf




22、Introduction to Applied Bayesian Statistics and Estimation for Social Scientists(应用贝叶斯统计学概论和社会科学家的估计)






简介:本书介绍了利用统计学知识来应用到实际生活中,适合工程学者人群

书籍链接:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.177.857&rep=rep1&type=pdf



 

23、Bayesian Modeling, Inference and Prediction(贝叶斯建模,推理和预测)






简介:本书介绍了贝叶斯建模原理,适合一定基础的机器学习、统计学学者人群。

书籍链接:https://users.soe.ucsc.edu/%7Edraper/draper-BMIP-dec2005.pdf




24、A Course in Machine Learning(机器学习课程)






简介:本书是一门机器学习教程,适合初学者

书籍链接:http://ciml.info/




25、Machine Learning, Neural and Statistical Classification(机器学习,神经和统计分类)





简介:本书介绍了机器学习、神经网络、统计学分类的知识,适合初学者

书籍链接:http://www1.maths.leeds.ac.uk/%7Echarles/statlog/




26、Bayesian Reasoning and Machine Learning(贝叶斯推理和机器学习)






简介:本书介绍了机器学习、贝叶斯推理相关知识,适合一定统计学基础的人群。

书籍链接:http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.HomePage




27、R Programming for Data Science(R语言数据科学)





简介:本书介绍了r语言在数据科学中使用,适合运用r语言研究机器学习的人群

书籍链接:https://leanpub.com/rprogramming




28、Data Mining - Practical Machine Learning Tools and Techniques(数据挖掘 - 实用机器学习工具和技术)





作者:Ian H.

简介:本书介绍了数据挖掘知识,适合文本处理、数据挖方面的人群。

书籍链接:http://muchong.com/bbs/logging.php?action=login




# 来源:全球人工智能 #

# 备注:所有图书点击阅读原文 跳转下载总链接地址 #



Major术业

微信:Major-2016



传播知识,深度学习!

长按二维码关注

Copyright © 网络机器人吧社区@2017