機器學習是個跨領域的學科，而且在實際應用中有巨大作用，但是沒有一本書能讓你成為機器學習的專家。

在這篇文章中，我挑選了10本書，這些書有不同的風格，主題也不盡相同，出版時間也不一樣。因此，無論你是新手還是領域專家，一定能找到適合你的。

新手的最佳讀物

這本書絕對是初學者非常期待的入門書。

這本書條理清晰，學習成本低，

因此我把它列為新手的最佳讀物。

下面讓我們深入討論一些關于人工智能程序的話題。

01 / 人工智能編程范例

如果您想接觸最新的人工智能技術，那么Peter Norvig寫的人工智能編程范例將非常適合。

這被廣泛認為是有史以來最好的編程書籍之一。實際的寫作風格很容易遵循。它會引導你在學習的過程中自我發(fā)現(xiàn)。而且例子也幫助你用最清晰的方式寫出高質量的LISP程序。

請注意，在打開這本書之前，作者默認你應該有編程經(jīng)驗。這并不是說你要成為一個編程方面的專家，但如果你從來沒有寫代碼（或者寫的不太好），那么你可能在學習的過程中遇到很多困難。

這本書長達900多頁，但它仍然是無可爭議學習人工智能這一與機器學習非常相關的主題的最好的資源。

02 / 傻瓜機器學習

以前，我一直是討厭推薦“For dummies”系列的書籍，因為它們都太過簡單直白。但是，由于這本書的作者都是經(jīng)驗豐富的數(shù)據(jù)科學家，我決定破一次例。

即使是零基礎，傻瓜機器學習這本書也能讓讀者快速體驗到機器學習的魅力。盡管書中的例子是用python語言寫的，但是其實你并不需要了解python的語法。

在本書中，你將了解到機器學習的歷史以及機器學習與人工智能的不同。作者為我們詳盡地講解了每一個知識點。

在讀本書之前，你只需要一些數(shù)學和邏輯方面的基本知識，而并不需要編程的經(jīng)驗。如果你在讀這本書前從沒接觸過算法，可能你會有點痛苦，不過仍然可以做一些互補的研究。

03 / 機器學習：新的人工智能

這本書應該是本篇文章中推薦書目中最新的。為什么要把這本書列進來呢？因為這本書著力于用算法處理數(shù)據(jù)集并且?guī)椭幊陶邚臄?shù)據(jù)集中學習。

作者 Ethem Alpaydin是領域里知名的學者。他還出版了機器學習導論。 Ethem有豐富的經(jīng)驗，并且他之前的作品也是拔尖的。

Ethem向我們描述了機器學習的演化過程，并且告訴我們?nèi)绾卧趯嶋H的應用中使用機器學習的算法。在讀這本書之前，你需要有一些編程的經(jīng)驗。當然如果你對機器學習有濃厚的興趣，這樣也是可以的。

由于它是這個書單中最新的一本書，可以確定的是這本書和當前科技行業(yè)緊密結合。

04 / 人工智能：一種現(xiàn)代的方法

雖然人工智能和機器學習是不同的，但是它們有很多相通之處。編程人員可以從中學到很多。你應該學習如何找到解決機器學習項目中問題的方法。

這本書是一個非常棒的導論，總共有1100多頁，并涵蓋了許多的技術。

中高級編程人員可能會覺得這本書過于簡單。這本書并不是為有經(jīng)驗者而寫，而是一本新手的入門書籍。它是你學習人工智能和機器學習基礎的一盤開胃菜。

05 / 機器學習：用算法讓數(shù)據(jù)說話

Peter Flach寫的這本機器學習包含了很多機器學習的實際案例。我認為這本書是為中高級開發(fā)人員而寫。他們可以用這本書鞏固機器學習方面的基礎知識，因為這本書比其它書更詳細。

用這本書，你將利用機器學習方法來生成，分析和預測統(tǒng)計模型。Peter闡述了自定義垃圾郵件過濾器如何工作，并且解釋了為何這種方法現(xiàn)在這么火。

從ROC分析開始，后面的章節(jié)中會比之前深一些。

在每個知識點處，這本書都配有圖形、圖表的說明。機器學習是一個很寬的領域，而Peter通過例子的方式，分解了其中主要的部分。

如果你對大數(shù)據(jù)和機器學習感興趣，那么我極力推薦這本書，但是這有一個前提，那就是你有一定的背景知識。

06 / Python 機器學習

在我之前提到的書中，幾乎沒有限定語言的。而這本Sebastian Raschka的450多頁的書將打破這一記錄。

對于想學習機器學習的python開發(fā)人員來說，這本是最好的導論。

很多人選擇python作為工具是因為python語法簡單，功能強大，而且 像scikit-learn這樣的機器學習類庫眾多。

這本書詳細地講解了scikit-learn，并引導我們應用它來做數(shù)據(jù)分析。這本書的作者推崇在編寫算法的同時進行可視化。因此，你不僅能學到如何編寫算法，還能學會對數(shù)據(jù)進行可視化。

總的來說，這本書偏重技術，但是也不是專門為python專家寫的。如果你對python語言很熟悉，最好還了解scikit-learn，那么這本書一定很適合你。

07 / 數(shù)據(jù)科學從零開始

這是另一本基于python的作品。盡管這本書比大多數(shù)書籍簡潔，但卻對例子進行了詳盡的描述。在數(shù)據(jù)科學這本書中，每一段代碼前作者都附上了一段介紹。所以即使是新手也可以很快上手。

盡管這樣，我仍然要向中高級Python開發(fā)人員推薦這本書。你不必知道機器學習的的方法或者數(shù)據(jù)分析的過程就能得到你想要的（正如標題中所寫的“從零開始”）。

這本書的風格簡潔而準確，深度上比python機器學習淺一些。如果你想深入研究機器學習，那么這兩個都是不錯的選擇。

這本書中的編碼風格我非常喜歡。每一小片的代碼都是基于之前的工作，而且作者都附上了詳細的思路和過程。

08 / 搭建自己的神經(jīng)網(wǎng)絡

盡管在標題中沒有明言，這本書構建神經(jīng)網(wǎng)絡的語言仍然是python。Tariq Rashid 將神經(jīng)網(wǎng)絡作為機器學習過程中的基本組件，而這本書也是深入理解神經(jīng)網(wǎng)絡的最佳選擇之一。

這本書是杰出的，但價格卻并不昂貴。讀這本書之前，你需要有一定的python基礎，這樣讀起來才會比較順利。

作者希望通過用鮮活的例子來幫讀者建立對神經(jīng)網(wǎng)絡的理解。在讀這本書前，你并不需要成為專家，但是你要有足夠的決心來克服書中較難的章節(jié)。

值得慶幸的是作者的寫作風格溫和且易懂，因此你在閱讀過程中不會遇到太多阻礙。神經(jīng)網(wǎng)絡是非常難掌握的，而擁有這本書就足夠了!

09 / 機器學習原理：預測數(shù)據(jù)分析

這本書的標題有點拗口，價格在所有書中也偏貴，但這本MIT出版社出版的書確實是一本非常棒的書。

機器學習原理：預測數(shù)據(jù)分析向我們展示了基于關系和自定義算法的分析和數(shù)據(jù)選擇過程。這包括能從其他相關資源中獲取信息的更通用的信息學習。這本書還包含了復雜的基于概率的機器學習方法。

你將學習到讓機器學習算法按照你的指示進行數(shù)據(jù)分析的高級技能。這本書通過例子的方式引導讀者，并且驅動讀者考慮不同的方式分析數(shù)據(jù)。

在讀這本書之前，你需要足夠的編程知識和矩陣知識。我想將這本書推薦給了解機器學習并想更進一步的數(shù)據(jù)科學家。

10 / 模式識別和機器學習

這本書也是為高級數(shù)據(jù)科學家和高級開發(fā)人員準備的。每一章節(jié)包含基于數(shù)據(jù)集中模式的概率和機器學習的話題。

模式識別和機器學習是掌握模式識別的導論。這本書用基本的概念帶你從宏觀進入到鮮活的實例中。

這本書的寫作風格是沒的挑的。作者傾向與重復的闡明一個觀點。因此盡管這書的內(nèi)容很難，這仍然是將知識灌進讀者腦子的最佳方式。

你需要有深厚的數(shù)學功底，甚至數(shù)據(jù)科學的知識也是非常必要的。這本書很難，但是簡潔的書寫風格和清晰的例子會讓你對模式識別有更深的認識。

這10本書是我精心挑選的，它們涵蓋了很寬泛的領域。如果你想更好的理解機器學習或者解決項目中的問題，你需要根據(jù)你的實際情況選擇最適合你的書，因為它們值得擁有。

對于沒有基礎的新手來說，我會推薦《傻瓜機器學習》這本書。如果你想著手于python，那么python機器學習是個很好的選擇。

這些書都是很棒的。我建議你先理解一門語言，這樣就可以從一個真實場景中理解這些概念。

很多書都非常專業(yè)，因此很難去廣泛的推薦。但是讀完本文后，一定會有你想要的。