繼NLP之後，我又開了ML這個大坑。這是因為NLP涉及到太多的ML模型，僅僅拿過來用的話，我實現的HanLP已經快到個人極限了。而模型背後的原理、如何優化、如何並行化等問題，都需要尋根求源才能解決。

所以我找了個書單自學，電子書為主，順便分享出來。

1. ML書單
2. │李航.統計學習方法.pdf
3. │機器學習及其應用.pdf
4. │All of Statistics- A ConciseCourseinStatisticalInference-LarryWasserman-Springer.pdf
5. │MachineLearning-TomMitchell.pdf
6. │  PRML.pdf
7. │  PRML讀書會合集列印版.
   pdf
8. │ProgrammingCollectiveIntelligence.pdf
9. │[奧萊理]MachineLearningforHackers.pdf
10. │[機器學習]Tom.Mitchell.pdf
11. │《大資料：網際網路大規模資料探勘與分散式處理》迷你書.pdf
12. │推薦系統實踐.pdf
13. │資料探勘-實用機器學習技術（中文第二版）.pdf
14. │資料探勘_概念與技術.pdf
15. │機器學習-Mitchell-中文-清晰版.pdf
16. │機器學習導論.pdf
17. │模式分類第二版中文版Duda.pdf（全）.pdf
18. │深入搜尋引擎--海量資訊的壓縮、索引和查詢.pdf
19. │矩陣分析.美國Roger.A.Horn.掃描版.pdf
20. │統計學習基礎
    資料探勘、推理與預測.pdf
21. │
22. ├─機器學習實戰
23. │      machinelearninginaction.zip
24. │機器學習實戰單頁.pdf
25. │機器學習實戰.pdf
26. │
27. └─論文文集
28. └─LDA
29.             LDA-wangyi.pdf
30.             LDA數學八卦.pdf
31.             text-est.pdf

下載地址：百度網盤。

現在正在看《統計學習方法》，邊看便用Python實現。再用Matplotlib視覺化，簡直太完美了，比如kd樹的構建演算法：

以前也看過《機器學習實戰》，不過感覺偏應用，原理沒講清楚，所以中斷了。再往前面看過的《智慧Web演算法》也是偏應用的，過了一遍之後收穫也不大。至於一些兜售“XX學習班”的部落格，也就採集網上零落的博文，貼一些公式和理論甚至是戲說的程度。大部分博主都挑自己擅長的講，挑自己容易找到的抄，這樣導致網上公開的都是些千篇一律的淺顯東西，只能看著玩，當不得真。至於程式碼，更不用想了。

感覺要入門，還是得從業界經典入門，那些“實戰XXX”的書只能畫個葫蘆，然後讀者只能畫個瓢。

不是說網上大部分的機器學習教程都是這樣的嗎：

所以說還是得從原理開始打基礎吧。

上面的書單是我這個外行蒐集大家推薦次數比較多的書湊起來的，只是個人書單，不保證質量。這個書單應該會不斷補充（話說回來，要是能都看完估計也很了得了），如果路過的各路高人有任何建議的話，懇請留言指點迷津。

使用電子書的形式是因為，個人偏好。即使我買了實體書，一旦找到了電子書，我馬上就會把紙質書扔到床底下。如果侵犯了任何人的權益，煩請及時通知。

至於何時填完這些坑，生命不息，奮鬥不止吧