机器学习相关数学原理

Posted 2021-04-27 及时行乐的佐伊

First Aid的推送估计暂时就到这里了，因为资源都有了，大家自己看就行，图片模式感觉也不是很好，建议买影印版或者找一家店彩打，能找到比较便宜的店的。

今天打算给对人工智能感兴趣的朋友推荐几本机器学习相关数学原理的书。

（点击原文链接即可获取相关资源，提取码：3qck ）

第一本：

Bishop-Pattern-Recognition-and-Machine-Learning-2006

这本书很贝叶斯，基本上整本书都是用贝叶斯公式来解释的，淘宝上可以买。

在分享链接中也有对应的习题解答、几个章节的PPT以及对应的中文版电子书。

《PRML中文版_模式识别与机器学习》

同时非常有幸的是在B站有相关的视频讲解，以下是链接：

https://www.bilibili.com/video/BV1zh411o7xK

第二本：

Machine Learning_A Probabilistic Perspective

这本书则是侧重从概率的角度分析

第三本：

The Elements of Statistical Learning_ Data Mining, Inference, and Prediction, Second Edition

这本则是侧重统计学角度

以上的三本书，我主要看的是第一本，需要的数学知识其实不算很多，但线性代数是必需的，我反正忘得差不多了。

下面是两本数学参考书

第一本：

Mathematics For Machine Learning

这本书比较薄，关键的知识都在里面了

第二本：

Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine Learning

这本书是宾夕法尼亚大学教授Jean Gallier编写的，整体的难度有点高，看得让人怀疑人生，噗呲~，我更多地是把它作为一本词典，遇到不会的东西时查一下。内容比较详实，有兴趣的朋友可以看看。

看，这就是知识的厚度（也就3000左右页，还没看多少）！