（白板推导系列一）绪论——资料介绍

本系列是总结b站清华大佬up主shuhuai008的机器学习白板推导系列的笔记

机器学习分类

机器学习按解决问题的方法可分为频率派和贝叶斯派，其中频率派逐渐发展出来的理论是统计机器学习，而贝叶斯派逐渐发展出来的理论是概率图模型。

机器学习书籍推荐

也许有些人会想用一本书来了解所有机器学习的东西，但是没有一本书能涵盖机器学习的所有方面，每本书都是有偏向的。

《统计学习方法》

这本书是李航老师所著，这本书主要讲了感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场等算法。这本书主要是统计机器学习方面的，包含大量的数学推导，不太适合入门来看。

《机器学习》

这本书是周志华老师所著。本书涵盖的面较广，没有明显偏向，但同时也有一个致命的缺点就是不深入，往往让新手看的一头雾水不知所措（可能本身是要当作教材用的，不适合自学），非常不建议入门来看。本书可以当一本工具书，类似于数学公式手册。

《Pattern Recognition And Machine Learning》

PRML由大佬总结为“回分神核稀，图混近采连，顺组”，主要讲了线性回归、分类、神经网络、核方法、稀疏和基，概率图模型、混合模型、近似算法、采样、连续型变量、顺序型数据、组合模型。主要以贝叶斯角度解决问题，机器学习圣经之一。

《Machine Learning : A Probabilistic Perspective》

这本书主要是贝叶斯派的角度去看问题，类似于百科全书式的书，机器学习圣经之一。

《The Element of Statistical Learning》

主要以频率派的角度去看问题，机器学习圣经之一。

《Deep Learning》

这本书就是大名鼎鼎的花书，其主要讲的是关于深度学习的知识，深度学习是机器学习的一个方向，以机器学习为基础，所以书中也涉及到一些机器学习的内容。

机器学习视频推荐

这里思维导图中的视频都是这个up主看过的一些视频，我还没看过，就不做介绍了。