入门机器学习需要看哪些书呢？下面我推荐的书都是我自己看过的，有的书还翻来覆去看了好多遍，会有助于机器学习算法理解和提高编程能力。
收藏是赞同的7倍了，如果对您有帮助的话，希望点点赞吧~~ 1.机器学习
首先推荐的一本书的周志华的《机器学习》，网称西瓜书，这是机器学习领域的经典入门教材之一，是一本大而全的书！内容中有用到西瓜举例子。如果你之前真的没有接触过任何关于机器学习的知识，那么这本书大概可以作为你第一本入门书。这本书对理论的讲解并没有很深入，但是通过举例子可以让人很容易理解每一个算法。
对于初学机器学习的小白，西瓜书里面的公式强烈不建议深究，简单过一下即可，等你学得有点飘的时候再回来啃都来得及。其实我觉得这本书公式讲的不好，有点跳步，但是周志华说：大二以上的同学应该都能很轻松看懂（好吧，是我太水了~~）第一次看这本书先看下前几章的基础，以及较easy的算法。后面每新接触一个算法的时候，都可以回来翻阅这本书，适合长期食用！
第二本是推荐李航的统计学习方法，推荐指数五颗星，真香指数满天星。这本书对机器学习原理的解释、公式的推导非常非常详尽，相信看完这本书，不会再说机器学习是玄学了。目前已经出了第二版。第二版要比第一版厚一些。使用这本书强烈建议里面的公式动手在白纸上推一推！
第三本推荐的是机器学习实战，通过上面两本书学习了概念、原理、公式推导，接下来可以实战一下。这本书作为机器学习实战的入门书再合适不过。 里面的代码跟着敲，不敲没效果哦。
第四本推荐的是面试用书，葫芦书，白面机器学习，很多同学靠这本书拿offer到手软。
2.Python实践
首先推荐第一本python的入门书《流畅的Python》，可以通过这本书了解一些Python的知识，一般机器学习的代码用python写的比较多，如果之前没有用过Python的话，那可以从这本书开始了解它。
当你掌握了Python的基础知识之后，想要往机器学习方向发展的话，还需要掌握一些常用的库，包括Pandas、Numpy、Matplotlib等等。推荐这本《Python数据分析基础》或者《利用python进行数据分析》。
还需要学习利用Sklearn调用常见的机器学习算法等，可以参考的一本书是《Python机器学习及实践 从零开始通往Kaggle竞赛之路》。学习期间可以用kaggle竞赛来练练手。
学下来三本书基本可以流畅使用python了。
3.深度学习
深度学习的书籍推荐两本，一本理论性强的，一本实践性强的。
深度学习首推的是《深度学习》，由Ian Goodfellow、Yoshua Bengio 和 Aaron Courville三位大牛合著的 AI 圣经。学习和面试，看这本都可以，非常权威的一本书，也是后来出版的深度学习书籍的参考。
全书的内容包括3个部分：第1部分介绍深度学习的预备知识，基本的数学工具和机器学习的概念；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，被公认为是深度学习未来的研究重点。
第二本是《动手学深度学习》，深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。
4.强化学习
因为我是强化学习方向的，所以最后一部分推荐一下强化学习的书籍。市面上的强化学习的书籍我都买过，各取所长，因为有些地方这本书讲不明白，另一本书能够讲明白，结合着多看几次也就通了。
首先第一本，我觉得是写的最好的，就是郭宪老师的《深入浅出强化学习：原理入门》，这本书可以结合着郭宪老师，知乎名“天津包子馅儿”的博客看。这本书真是我的入门书，来来回回翻看了少说也有三遍，有的算法看了四五遍。强化学习确实挺难理解的，有些公式需要反复琢磨。建议看书的时候，自己动手推一推公式，有助于理解。
因为我学强化学习比较早，当时市面上书并不像现在这么多，《强化学习精要》这本书一出现，我就买了，配合着上一本一起看，一本理论，一本实战。
郭宪老师最近出了《深入浅出强化学习：原理入门》的姊妹篇《深入浅出强化学习：编程实战》。大家看实战书的时候，根据书中的代码亲自动手编程，并修改程序中的超参数，根据运行结果不断体会算法原理。
最后推荐一本《白话强化学习与PYTORCH》，莫烦也推荐了这本书。这本书是基于PyTorch框架，介绍深度学习和强化学习的技术与技巧，也是一本入门书。 |
