是時(shí)候讓你的書(shū)架上新增幾本機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)書(shū)籍了，KDnuggets 網(wǎng)站編輯 Matthew Mayo 挑選了 10 本機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)相關(guān)的書(shū)籍。這些書(shū)籍都是免費(fèi)的，對(duì)機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)感興趣的人可不要錯(cuò)過(guò)了。

1. 《統(tǒng)計(jì)思維：程序員數(shù)學(xué)之概率統(tǒng)計(jì) 》

本書(shū)是專為Python程序員準(zhǔn)備的概率和統(tǒng)計(jì)的介紹，作者將基本的概率統(tǒng)計(jì)知識(shí)融入Python編程，告訴你如何借助編寫(xiě)程序，用計(jì)算而非數(shù)學(xué)的方式實(shí)現(xiàn)統(tǒng)計(jì)分析。該書(shū)使用美國(guó)國(guó)立衛(wèi)生研究院的數(shù)據(jù)進(jìn)行了案例研究，鼓勵(lì)讀者使用真實(shí)數(shù)據(jù)集處理項(xiàng)目。(地址：http://www.greenteapress.com/thinkstats/)

2.《貝葉斯方法》

貝葉斯方法是推理的自然方法，大多數(shù)圖書(shū)討論貝葉斯推理，依賴于非常復(fù)雜的數(shù)學(xué)分析和人工的例子，使沒(méi)有強(qiáng)大數(shù)學(xué)背景的人無(wú)法接觸，讀者只能看到簡(jiǎn)單的經(jīng)過(guò)人工處理例子?？穫惖倪@本書(shū)從編程、計(jì)算的角度來(lái)介紹貝葉斯推理，把貝葉斯理論和編程實(shí)踐結(jié)合起來(lái)，使大多數(shù)程序員都可以入門(mén)并掌握(地址：http://camdavidsonpilon.github.io/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/)

3.《深入理解機(jī)器學(xué)習(xí)：從原理到算法》

機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)發(fā)展最快的領(lǐng)域之一，具有廣泛的應(yīng)用前景。本教材的目的是以原則的方式介紹機(jī)器學(xué)習(xí)及其提供的算法范例。本書(shū)通過(guò)介紹機(jī)器學(xué)習(xí)基礎(chǔ)的理論知識(shí)之后，再將這些原理轉(zhuǎn)化為實(shí)際算法的數(shù)學(xué)推導(dǎo)。在介紹了基礎(chǔ)知識(shí)之后，本書(shū)涵蓋了以前教科書(shū)未解決的各種中心主題。

這些包括討論學(xué)習(xí)的計(jì)算復(fù)雜性以及凸性和穩(wěn)定性的概念;重要的算法范例包括隨機(jī)梯度下降，神經(jīng)網(wǎng)絡(luò)和結(jié)構(gòu)化輸出學(xué)習(xí);和新興的理論概念，如PAC-Bayes方法和基于壓縮的邊界。(地址：http://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/)

4. 《統(tǒng)計(jì)學(xué)的要素》

本書(shū)在一個(gè)共同的概念框架中闡述了這些領(lǐng)域的重要思想。雖然這種方法是統(tǒng)計(jì)學(xué)的，但其重點(diǎn)是概念而不是數(shù)學(xué)。通過(guò)使用彩色圖形給出了許多例子。它應(yīng)該是統(tǒng)計(jì)學(xué)家和任何對(duì)科學(xué)或工業(yè)數(shù)據(jù)挖掘感興趣的人的寶貴資源。

該書(shū)的覆蓋范圍很廣，從監(jiān)督學(xué)習(xí)(預(yù)測(cè))到無(wú)監(jiān)督學(xué)習(xí)。許多主題包括神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，分類樹(shù)等 - 這第一本書(shū)對(duì)該領(lǐng)域的主題做出這樣的綜合處理。(地址：http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf)

5.《An Introduction to Statistical Learning》

本書(shū)介紹了統(tǒng)計(jì)學(xué)習(xí)方法。它針對(duì)的是高年級(jí)本科生，碩士生和博士生。非數(shù)學(xué)科學(xué)的學(xué)生。該書(shū)還包含許多R語(yǔ)言的實(shí)例，詳細(xì)解釋了如何在現(xiàn)實(shí)環(huán)境中實(shí)現(xiàn)各種方法，可以說(shuō)是實(shí)踐數(shù)據(jù)科學(xué)家的寶貴資源。(地址：http://www-bcf.usc.edu/~gareth/ISL/)

6.《Foundations of Data Science》

雖然計(jì)算機(jī)科學(xué)的傳統(tǒng)領(lǐng)域仍然非常重要，但未來(lái)越來(lái)越多的研究人員將參與使用計(jì)算機(jī)來(lái)理解和從應(yīng)用程序中出現(xiàn)的大量數(shù)據(jù)中提取可用信息，而不僅僅是如何使計(jì)算機(jī)對(duì)特定明確定義的問(wèn)題有用。

考慮到這一點(diǎn)，作者寫(xiě)了這本書(shū)，以涵蓋在未來(lái)40年可能有用的理論，正如對(duì)自動(dòng)機(jī)理論，算法和相關(guān)主題的理解在過(guò)去40年中產(chǎn)生了巨大的影響。(地址：https://www.cs.cornell.edu/jeh/book.pdf)

7.《寫(xiě)給程序員的數(shù)據(jù)挖掘?qū)嵺`指南》

本書(shū)是寫(xiě)給程序員的一本數(shù)據(jù)挖掘指南，可以幫助讀者動(dòng)手實(shí)踐數(shù)據(jù)挖掘、集體智慧并構(gòu)建推薦系統(tǒng)。全書(shū)共8章，介紹了數(shù)據(jù)挖掘的基本知識(shí)和理論、協(xié)同過(guò)濾、內(nèi)容過(guò)濾及分類、算法評(píng)估、樸素貝葉斯、非結(jié)構(gòu)化文本分類以及聚類等內(nèi)容。本書(shū)的每章還給出了習(xí)題和練習(xí)，幫助讀者鞏固所學(xué)的知識(shí)。(地址：http://guidetodatamining.com/)

8.《大數(shù)據(jù)》

本書(shū)由斯坦福大學(xué)“Web 挖掘”課程的內(nèi)容總結(jié)而成，主要關(guān)注極大規(guī)模數(shù)據(jù)的挖掘。這本書(shū)與課程一樣，是在本科計(jì)算機(jī)科學(xué)水平設(shè)計(jì)的，不要求你具備任何基礎(chǔ)。為了支持更深入的探索，大多數(shù)章節(jié)都補(bǔ)充了進(jìn)一步的閱讀參考。(地址：http://mmds.org/)

9.《深度學(xué)習(xí)》

深度學(xué)習(xí)教科書(shū)旨在幫助學(xué)生和從業(yè)者進(jìn)入機(jī)器學(xué)習(xí)領(lǐng)域，特別是深度學(xué)習(xí)。該書(shū)的在線版本現(xiàn)已完成，并將在線免費(fèi)提供。(地址：http://www.deeplearningbook.org/)

10.《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》

人工智能，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)正在改變眾多行業(yè)。但是建立一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)需要你做出許多努力，這本書(shū)就是為了幫你實(shí)現(xiàn)該目標(biāo)而寫(xiě)的。

本書(shū)第一部分主要介紹機(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(shù)的回歸算法和分類回歸樹(shù)(CART)算法等。第三部分則重點(diǎn)介紹無(wú)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。(地址：http://www.mlyearning.org/)