推荐几本不错的机器学习书
Posted CFD之道
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了推荐几本不错的机器学习书相关的知识，希望对你有一定的参考价值。
昨天推了一篇利用Pytorch做非线性回归的文章，收到了不少道友的后台留言，其中大部分留言是让推荐一些学习教程。说实在的我也不知道该推荐什么，因为这方面的教程实在是太多了。不过这阵子买了不少这方面的书，虽然很多都没看完，不过还是推荐几本真正看过且觉得值得一看的神书。
总体上来说，人工智能（Artificial Intelligence，AI）、机器学习（Machine Learning，ML）、神经网络（Neural Network，NN）以及深度学习（Deep Learning，DL）之间的关系如下图所示。
这几年火爆全网的深度学习只是传统神经网络下的一个小分支，而神经网络只是机器学习大家庭中的一个小成员，机器学习只是人工智能下的一种技术实现方法。人工智能的概念在图灵在世的时候就有了，距今都有百八十年了，并不是什么新东西。关于人工智能方面的名著很多，如果不想看大量数学公式的话，推荐看库兹韦尔的《奇点临近》与《机器之心》，可以当科幻或科普读物，这是两本神书。
这两本书都没有实践的部分，如果想边撸代码边学习的话，建议看下面这两本《机器学习实战》。
首先是Peter Harrington的《机器学习实战》，这本书没有讲任何框架，采用纯Python实现机器学习算法。如果想要理解各种传统机器学习算法的运行原理，强推此书。（图灵系列的人物封面书大多比较经典）
如果想快速将机器学习应用于工作当中，可以看奥雷利安·杰龙（Aurélien Géron）的《机器学习实战》，这本书包括两部分，前半部分讲的是利用scikit learning库实现传统机器学习，后半部分讲的是利用TensorFlow和Keras实现深度学习。（附注：O’REILLY的动物封皮书多半也是经典）
国内的机器学习方面带有大量代码的书还是别看了，基本上都是翻译的文档。
再来看深度学习方面的教材。深度学习方面在前两年基本是TensorFlow一家独大（毕竟谷歌大腿比较厉害），后面Pytorch异军突起（Facebook的腿似乎也不瘦），似乎有盖过TensorFlow的趋势。不过前阵子TensorFlow吸收了排名第3的Keras并加强了不少的特性，到底谁干过谁还言之过早。其他的一些框架如mxnet（亚马逊）、paddlepaddle（百度）、CNTK（微软）也都各具特色。不过这些框架越发展相似度越高，搞懂其中任何一个，再转其他的基本上没啥障碍。
深度学习很多人推荐看花书，不过我不建议初学者看那个，太多看不懂容易放弃治疗。建议初学者可以看弗朗索瓦·肖莱的《Python深度学习》，这本书使用Keras演示了深度学习应用中的大部分概念。作者弗朗索瓦·肖莱何许人也？大名鼎鼎的Keras框架的作者，应该没有人比他更了解Keras框架了。遗憾的是Keras被TensorFlow吸收了之后此书没有更新（毕竟还是有少量语法改动），同时此书代码使用的是python2。不过这应该都不成问题。
如果想看深度学习背后的理论，可以看看花书。就是下面这本，书名就叫《深度学习》，此书被誉为AI圣经。三个作者中有一个是图灵奖获得者，绝对大牌。作者Ian Goodfellow、Yoshua Bengio以及Aaron Courville。额，我看了一小半就看不下去了，好多理论看不太懂。
下面这本李沐大神的《动手学深度学习》也很不错，封面和花书有点像。作者李沐是框架mxnet的作者，此书作为深度学习入门非常不错。书里面的代码使用的是mxnet，不过网络上也有此书pytorch版本的。此书是开源的：mxnet版（https://github.com/d2l-ai/d2l-zh），pytorch版（https://github.com/ShusenTang/Dive-into-DL-PyTorch）。
如果想要轻松一点，可以看看下面这本安德鲁·特拉斯克（Andrew W.Trask）的《深度学习图解》，公式和代码都比较少，语言比较通俗易懂。
还有一些更轻松愉快的，如下面的山下隆义的《图解深度学习》与杉山将的《图解机器学习》。
我学的是pytorch，某东上关于pytorch的书基本都买了看了，不过大多数都没营养，不是翻译就是抄，还不如直接看官方文档。这里推荐Ian Pointer的《基于PyTorch的深度学习》，内容比较简单明了。
以上是关于推荐几本不错的机器学习书的主要内容，如果未能解决你的问题，请参考以下文章