单纯关于机器学习的书籍上面基本分享完整了。这里我想分享一下与机器学习相关的数学,统计基础资源（它们不一定是其本领域最好 最受推崇的，但个人认为它们是最适合与机器学习结合学习的资源）。毕竟要想在这方面走的更远，理解更深，拥有良好数学基础是必须的。
1.线性代数
推荐书籍：《Introduction to Linear Algebra》By gilbert strang (不要弄错了，有另外一本书 名字相同，但作者不同）
这本书国内似乎没有正版书籍卖（更别说中文版），需要的要么使用第四版电子版，要么淘宝买打印书籍，质量一般可以凑合看。虽然第五版已经出来了，但是国内连完整连电子书都找不到。
有些人可能觉得这本书可能在内容上有点浅，但个人认为非常值得一看的，它很多内容与国内书籍讲解角度都不同
配套公开课：http://open.163.com/special/opencourse/daishu.html （讲师就是上面书的作者）
备选书籍：《Linear Algebra and Its Applications》by David C.La （中文名：线性代数及其应用）
这本书内容组织上就和国内书籍比较像了，有兴趣也是值得一看的，豆瓣评价也很好
2.概率论
公开课：http://open.163.com/special/Khan/probability.html
3.统计学
推荐书籍：《all of statistics》
还是那么说，单纯从统计学角度这本书也许不是很好 ，因为这本书侧重基本的统计概念(全但不是很深），但它比较适合非统计出身的工科学生，它基本上包括了所有的机器学习、数据挖掘里常用模型涉及的概率或统计概念。
备选书籍：《The Elements of Statistical Learning 》 这本书评价比较高，但相对偏统计理论，且内容也比较难，个人凭自己水平选择吧。
备选书籍：《Applied Multivariate Statistical Analysi》 By 约翰逊
统计公开课：http://open.163.com/special/Khan/khstatistics.html （非与上面教材配套）
4.微积分
公开课：http://v.163.com/special/sp/singlevariablecalculus.html
公开课：http://open.163.com/special/opencourse/weijifen.html
5.最优化 ：
推荐书籍：《Numerical_Optimization》 By Jorge Nocedal
这本书没有下面那本《Convex Optimization》受欢迎，但从豆瓣评价来看，它更适合非统计出生的工科人员。很多人认为这本书更适合当一本工具书（字典），因此最好选择部分重要章节精度。
备选书籍：《Convex Optimization》 By Stephen Boyd
这本书侧重与凸优化，分理论 应用 算法三个部分，豆瓣评价很高，也很受欢迎（或许是最优化方面最受欢迎的书籍了吧）。关于它与《Numerical_Optimization》比较可以参考知乎：https://www.zhihu.com/question/49689245/answer/117439776 若能力时间精力足够，当然最好两本结合看。
此外，关于机器学习中最受欢迎的一个分支——深度学习的资料
MIT书籍：《Deep learning》 By Yoshua Bengio,Ian Goodfellow,Aaron Courville (只有电子英文版）
https://github.com/HFTrader/DeepLearningBook
斯坦福在线深度学习教程： http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial
Neural Networks and Deep Learning：http://neuralnetworksanddeeplearning.com/index.html （免费在线书籍）
扫码加好友，拉您进群
全部版块
我的主页
