(轉(zhuǎn)載請刪除括號里的內(nèi)容)

我雖然很喜歡模式識別和機(jī)器學(xué)習(xí)，但我暫時(shí)并不希望在這上面做深入的研究，只想把別人研究好的成熟的理論用在計(jì)算機(jī)視覺任務(wù)上。比如SVM，Adaboost，EM，樸素貝葉斯，K近鄰，決策樹等等。能夠知道每種算法的原理，而并不想深究其實(shí)現(xiàn)過程以及理論證明。比如SVM，我想知道的是這種算法如何實(shí)現(xiàn)分類，有哪幾種類型，每種適合什么樣的分類任務(wù)，對應(yīng)的參數(shù)的意義是什么。這樣我在使用SVM-Light或者libsvm的時(shí)候就知道該怎么選用參數(shù)，怎么使用學(xué)習(xí)到的系數(shù)。從這個(gè)角度看這本書很適合我。當(dāng)然也適合那些在想在機(jī)器學(xué)習(xí)方面做深入研究的人作為入門教材，我想對原理了解一二之后，閱讀大部頭或者原著肯定會輕松很多。

建議統(tǒng)計(jì)學(xué)習(xí)方法路線，ng課程入門，知道有哪些算法，大致怎么做，然后去kaggle打個(gè)入門賽，別做特征工程，把會的算法全用上。然后放下比賽，開始讀《統(tǒng)計(jì)學(xué)習(xí)方法第2版》，同時(shí)看機(jī)器學(xué)習(xí)基石或其他比較數(shù)學(xué)化的進(jìn)階課程，這一步不需要你敲代碼，你要會的是滾瓜爛熟的推導(dǎo)，做到這一步，再去kaggle參加獎金賽，閱讀kernel，學(xué)習(xí)state of the art 模型，學(xué)習(xí)特征工程，再在學(xué)習(xí)過程中閱讀最新的論文或者經(jīng)典的論文，不斷迭代這個(gè)過程，別淹死在什么機(jī)器學(xué)習(xí)實(shí)戰(zhàn)上，有現(xiàn)成的輪子不用，非得費(fèi)那個(gè)勁，除非你科班畢業(yè)，代碼能力扎實(shí)，不然你能不能從頭實(shí)現(xiàn)一遍決策樹對你找不找到工作沒有任何一毛錢關(guān)系。筆試不會考你如何實(shí)現(xiàn)hmm，只會考數(shù)據(jù)結(jié)構(gòu)與算法，面試只會讓你推導(dǎo)。

《統(tǒng)計(jì)學(xué)習(xí)方法第2版》PDF，484頁，帶書簽，文字可復(fù)制；配套部分源代碼；配套部分課件。

下載: https://pan.baidu.com/s/1Xyo5AwCSKB9FaUxLIm69Cg
提取碼: qpf1

統(tǒng)計(jì)學(xué)習(xí)方法即機(jī)器學(xué)習(xí)方法，是計(jì)算機(jī)及其應(yīng)用領(lǐng)域的一門重要學(xué)科。《統(tǒng)計(jì)學(xué)習(xí)方法第2版》分為監(jiān)督學(xué) 習(xí)和無監(jiān)督學(xué)習(xí)兩篇，全面系統(tǒng)地介紹了統(tǒng)計(jì)學(xué)習(xí)的主要方法。包括感知機(jī)、k 近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與最大熵模型、支持向量機(jī)、提升方法、EM 算法、隱馬爾可夫模型和條件隨機(jī)場，以及聚類方法、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配和 PageRank 算法等。

除有關(guān)統(tǒng)計(jì)學(xué)習(xí)、監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的概論和總結(jié)的四章外，每章介紹一種方法。

敘述力求從具體問題或?qū)嵗胧郑?由淺入深，闡明思路，給出必要的數(shù)學(xué)推導(dǎo)，便于掌握統(tǒng)計(jì)學(xué)習(xí)方法的實(shí)質(zhì)，學(xué)會運(yùn)用。

介紹了一些相關(guān)研究，給出了少量習(xí)題， 適用于從事文本數(shù)據(jù)挖掘、信息檢索及自然語言處理等專業(yè)的研發(fā)人員參考。

機(jī)器學(xué)習(xí)是近年來漸趨熱門的一個(gè)領(lǐng)域，同時(shí)Python 語言經(jīng)過一段時(shí)間的發(fā)展也已逐漸成為主流的編程語言之一。《Python機(jī)器學(xué)習(xí)實(shí)踐指南》結(jié)合了機(jī)器學(xué)習(xí)和Python 語言兩個(gè)熱門的領(lǐng)域，通過利用兩種核心的機(jī)器學(xué)習(xí)算法來將Python 語言在數(shù)據(jù)分析方面的優(yōu)勢發(fā)揮到極致。
《Python機(jī)器學(xué)習(xí)實(shí)踐指南》中文PDF，268頁，帶目錄，彩色配圖，文字可復(fù)制；英文PDF，324頁，帶目錄，彩色配圖，文字可復(fù)制；配有源代碼。

下載: https://pan.baidu.com/s/183L7EG0JPf0ky8B8hx1PUA
提取碼: ds6i

共有10 章。第1 章講解了Python 機(jī)器學(xué)習(xí)的生態(tài)系統(tǒng)，剩余9 章介紹了眾多與機(jī)器學(xué)習(xí)相關(guān)的算法，包括各類分類算法、數(shù)據(jù)可視化技術(shù)、推薦引擎等，主要包括機(jī)器學(xué)習(xí)在公寓、機(jī)票、IPO 市場、新聞源、內(nèi)容推廣、股票市場、圖像、聊天機(jī)器人和推薦引擎等方面的應(yīng)用。

國內(nèi)有幾本關(guān)于強(qiáng)化學(xué)習(xí)的書，《強(qiáng)化學(xué)習(xí)精要：核心算法與TensorFlow 實(shí)現(xiàn)》介紹了強(qiáng)化學(xué)習(xí)的基本算法與代碼實(shí)現(xiàn)，構(gòu)建了一個(gè)完整的強(qiáng)化學(xué)習(xí)知識體系，同時(shí)介紹了這些算法的具體實(shí)現(xiàn)方式。

可以從中學(xué)習(xí)到基本的馬爾可夫決策過程，到各種復(fù)雜的強(qiáng)化學(xué)習(xí)算法。

《強(qiáng)化學(xué)習(xí)精要：核心算法與TensorFlow實(shí)現(xiàn)》PDF，386頁，帶書簽?zāi)夸洠淖挚梢詮?fù)制；配套源代碼。

下載: https://pan.baidu.com/s/1mXEbu8T9FH5TH6DXNNiC4Q

提取碼: xh14

2016 年是人工智能進(jìn)入大眾視野的一年，從AlphaGo 到無人駕駛，從量子計(jì)算機(jī)到馬斯克的太空計(jì)劃，每一個(gè)焦點(diǎn)事件的背后都與人工智能有著很大的聯(lián)系。2016 年至今，短短兩年的時(shí)間，人工智能在與人類生活息息相關(guān)的醫(yī)療健康、金融、零售、娛樂等方面，發(fā)揮出了巨大的潛能。

《圖解深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)從張量到TensorFlow實(shí)現(xiàn)》PDF，338頁，帶書簽?zāi)夸洠淖挚梢詮?fù)制。配套源代碼。

下載: https://pan.baidu.com/s/1fjqC3RXb7Czat3zoQ_YOxw
提取碼: trdp

學(xué)習(xí)290張圖+110個(gè)可執(zhí)行的TensorFlow示例程序+算法示例；學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)背后的數(shù)學(xué)原理及上手應(yīng)用；學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)背后的數(shù)學(xué)基礎(chǔ)，掌握它們的原理與實(shí)現(xiàn)，更深刻地理解開源深度學(xué)習(xí)框架TensorFlow中的常用函數(shù)。

《人工神經(jīng)網(wǎng)絡(luò)理論設(shè)計(jì)及應(yīng)用第2版》PDF，256頁，帶書簽，文字可以復(fù)制。配套教學(xué)課件。

下載: https://pan.baidu.com/s/19w_C7R-A78oy0Ij5Xaa41g
提取碼: rizs

《人工神經(jīng)網(wǎng)絡(luò)理論設(shè)計(jì)及應(yīng)用第2版》系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡(luò)的主要理論和設(shè)計(jì)基礎(chǔ)，給出了大量應(yīng)用實(shí)例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應(yīng)用，掌握其結(jié)構(gòu)模型和基本設(shè)計(jì)方法，為以后的深入研究和應(yīng)用開發(fā)打下基礎(chǔ)。第2版對原書約1/3的內(nèi)容進(jìn)行了更新，對保留內(nèi)容進(jìn)行了修改。取材注意內(nèi)容的典型性和先進(jìn)性，編排注意內(nèi)容的邏輯性，闡述注重物理概念的清晰性，舉例與思考練習(xí)的安排注意了內(nèi)容的實(shí)踐性，常用神經(jīng)網(wǎng)絡(luò)及算法的介紹著重于實(shí)用性。

《深度卷積網(wǎng)絡(luò):原理與實(shí)踐》 PDF，331頁，帶目錄，文字可復(fù)制。配套源代碼。

下載: https://pan.baidu.com/s/1Qz4864r_vjGNSGVx1ynavQ
提取碼: 67xi

《深度卷積網(wǎng)絡(luò):原理與實(shí)踐》還是很不錯(cuò)的。通俗易懂的介紹了卷積網(wǎng)絡(luò)，并給出了詳細(xì)的證明。寫作比較嚴(yán)謹(jǐn)，還給出了詳細(xì)的參考文獻(xiàn)供進(jìn)一步探究。作為一本入門書完全是合格的。

深度卷積網(wǎng)絡(luò)DCNN是目前十分流行的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，它的構(gòu)造清晰直觀，效果引人入勝，在圖像、視頻、語音、語言領(lǐng)域都有廣泛應(yīng)用。《深度卷積網(wǎng)絡(luò):原理與實(shí)踐》以AI領(lǐng)域新的技術(shù)研究和和實(shí)踐為基礎(chǔ)，從技術(shù)理論、工作原理、實(shí)踐方法、架構(gòu)技巧、訓(xùn)練方法、技術(shù)前瞻等6個(gè)維度對深度卷積網(wǎng)絡(luò)進(jìn)行了系統(tǒng)、深入、詳細(xì)地講解。

以實(shí)戰(zhàn)為導(dǎo)向，深入分析AlphaGo和GAN的實(shí)現(xiàn)過程、技術(shù)原理、訓(xùn)練方法和應(yīng)用細(xì)節(jié)，依次揭開神經(jīng)網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)和深度卷積網(wǎng)絡(luò)的神秘面紗，了解AI的“思考過程”，以及與人類思維的相同和不同之處。

總結(jié)

以上是生活随笔為你收集整理的分析《统计学习方法第2版》PDF+习题部分代码+部分课件讨论的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。