推荐几本不错的机器学习书

3年前浏览2677

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。

库兹韦尔《奇点临近》《机器之心》

机器学习方面的教程非常多。不过这里还是要提一句，尽量看名家的书。南京大学周志华教授的西瓜书虽然网上评价不错，不过我个人感觉这书更适合计算机专业的学生，对于路人看起来可能就比较吃力了，数学和计算机水平比较差的，建议还是别看了，容易放弃。如果想看的话，通常是下面两本一起看。《机器学习》与《机器学习理论导引》，据说因为前面一本过于艰难，所以后面一本是为了方便读懂前面那一本。

周志华《机器学习》《机器学习理论导引》

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）

Peter Harrington《机器学习实战》

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）

Aurélien Géron《机器学习实战》

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。

弗朗索瓦·肖莱《Python深度学习》

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。

Ian Goodfellow 《深度学习》

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）。