機器學習怎么學？當然是系統地學習了。沒有時間這么辦呢？利用碎片時間學習！很多人一天要花 2 個小時通勤，通勤路上有很多時間看手機。于是我把一些機器學習的基礎知識做成了在線的機器學習手冊，只需打開微信收藏就能學習了！就好像背托福單詞一樣。(作者：黃海廣^[1])

機器學習手冊分為三個部分，數學基礎、機器學習經典算法、統計學習方法。建議有時間的同學可以這三個部分按照順序學習，時間少的同學，我建議直接看機器學習經典算法，遇到問題查一下數學基礎，也可以一邊看機器學習經典算法，一邊看統計學習方法，查漏補缺。

機器學習手冊

一、數學基礎

1.高等數學

推薦下我考研和考博時候的數學筆記，我把機器學習的部分，提煉出來，幾乎涵蓋了所有機器學習所需要的高等數學公式：我做成了在線閱讀版本。

點擊打開大學高等數學精華

2.概率論

• 首選

  推薦斯坦福大學 CS229 機器學習課程的基礎材料的概率論部分，這個由我翻譯，是斯坦福各類人工智能課程的基礎材料，針對機器學習進行了優化，可以說是經典材料。(原始文件下載^[2])

點擊打開 CS229 概率論的翻譯

• 備選

  推薦下我考研和考博時候的數學筆記，我把機器學習的部分，提煉出來，幾乎涵蓋了所有機器學習所需要的線性代數公式：

點擊打開大學概率論精華

3.線性代數

• 首選

  推薦斯坦福大學 CS229 機器學習課程的基礎材料的線性代數部分，這個由我翻譯，是斯坦福各類人工智能課程的基礎材料，針對機器學習進行了優化，可以說是經典材料。（原始文件下載^[3]）

點擊打開 CS229 線性代數的翻譯

• 備選

  推薦下我考研和考博時候的數學筆記，我把機器學習的部分，提煉出來，幾乎涵蓋了所有機器學習所需要的線性代數公式：

點擊打開大學線性代數精華

Github：

https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math

（數學基礎專輯）可以在線閱讀，也可以下載（pdf、word、markdown文件），可以直接在“機器學習初學者”公眾號回復“math”即可獲取下載地址。

二、機器學習經典算法

機器學習的經典算法主要是吳恩達老師的機器學習課程^[4]的精選部分，并增加了決策樹部分。如何在最短時間掌握機器學習的經典算法？我推薦把算法精華部分進行學習，這樣學習進度會快一點。

（點擊目錄在線閱讀）

第一部分:回歸

第二部分:邏輯回歸

第三部分:支持向量機

第四部分：無監督學習

第五部分:異常檢測和推薦系統

第六部分：決策樹

• 第一篇：基本樹（包括 ID3、C4.5、CART）

• 第二篇：Random Forest、Adaboost、GBDT

• 第三篇：Xgboost 和 LightGBM

Github：

https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

三、《統計學習方法》

李航老師的《統計學習方法》^[5]第一版于 2012 年出版，講述了統計機器學習方法，主要是一些常用的監督學習方法。第一版和第二版前面十二章相同，第二版多了無監督學習的內容（比第一版多了十二章以后的部分），由此本書涵蓋了傳統統計機器學習方法的主要內容。（點擊目錄在線閱讀）

目錄

第 1 章統計學習及監督學習概論

第 2 章感知機

第 3 章 k 近鄰法

第 4 章樸素貝葉斯法

第 5 章決策樹

第 6 章邏輯斯諦回歸與最大熵模型

第 7 章支持向量機

第 8 章提升方法

第 9 章 EM 算法及其推廣

第 10 章隱馬爾可夫模型

第 11 章條件隨機場

第 12 章監督學習方法總結

第13章無監督學習概論

第14章聚類方法
第15章奇異值分解
第16章主成分分析
第17章潛在語義分析
第18章概率潛在語義分析
第19章馬爾可夫鏈蒙特卡羅法

第20章? 潛在狄利克雷分配

第21章? PageRank算法

第22章? 無監督學習方法總結

? ? 附錄A? 梯度下降法

? ? 附錄B? 牛頓法和擬牛頓法

? ? 附錄C? 拉格朗日對偶性

? ? 附錄D? 矩陣的基本子空間

? ? 附錄E? KL散度的定義和狄利克雷分布的性質

建議學習方法

使用微信收藏本文，學習的時候，從本文點擊相關章節的鏈接進行學習。

文章里也是完整代碼，如果需要下載代碼學習，請訪問Github：

https://github.com/fengdu78/lihang-code

總結

本文將機器學習的精華部分做成了手冊，打開微信就能學習，適合平時時間少的朋友學習機器學習，可以在通勤的時候在手機上學習，建議收藏本文慢慢學習。

參考資料

[1]?黃海廣:?https://github.com/fengdu78
[2]?概率論原始文件下載:?http://cs229.stanford.edu/summer2019/cs229-prob.pdf
[3]?線性代數原始文件下載:?http://cs229.stanford.edu/summer2019/cs229-linalg.pdf
[4]?機器學習課程:?https://www.coursera.org/course/ml
[5]?《統計學習方法》:?https://baike.baidu.com/item/統計學習方法/10430179

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/662nyZF本站qq群1003271085。加入微信群請掃碼進群（如果是博士或者準備讀博士請說明）：

總結

以上是生活随笔為你收集整理的机器学习初学者手抄本：数学基础、机器学习经典算法、统计学习方法等的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。