编者注：澳大利亚机器学习专家、畅销书作者 Jason Brownlee，对机器学习领域的各类优质书籍进行了盘点，汇总成这份阅读指南。在雷锋网所筛选的学习资源中，这堪称是迄今为止最全面、最完整、权威性比较高的一份 ML 书单，涵盖了最值得学习者、从业者、开发者认真研读的精品书目。这份指南适合多样背景的读者：从想要了解机器学习的普通人，到入门新手，再到高阶开发者和学术研究人员。因此，雷锋网对其进行编译整理，特来与大家分享。
友情提醒：该指南只考虑了英文市场的机器学习图书，适合大家作为国际 ML 读物的参考。而例如周志华老师 《机器学习》等国内优秀著作并没有体现，请读者见谅。
Jason Brownlee：
我喜欢书，对于搞到的每一本机器学习书籍，我都要去读。
我认为，有好的参考资源，是对你心中机器学习谜题进行“解惑”的最快方式。阅读多本书，你就有了看待疑难问题的多种角度。
这份指南中，你会发现机器学习领域最值得一读的好书。
有许多原因促使人们想要机器学习书籍。因此，我采用了三种不同方式对机器学习书籍进行分类、排列，使读者们能按图索骥快速查找。比方说：
依据类别（难易）：教材，科普等。
依据话题：Python，深度学习等
依据出版商：Packt，O’Reilly 等
所有书都包括了亚马逊或京东链接，你可以点击链接了解更多。
找到一个你最感兴趣的话题
浏览所选类别的书目
购书、借书、下载
从头读到尾
重复以上过程
把书摆在家里、办公室显眼的地方，跟你读过那本书是两码事。别瞎搞收藏。
这是面向普通大众的机器学习书目。它们让你体会到机器学习和数据科学的优点和益处，但免去了理论和应用细节。我还加入了一些个人非常喜欢的、偏“统计思维”的流行科普读物。
The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World
Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die
译本：大数据预测
The Signal and the Noise: Why So Many Predictions Fail–but Some Don't
该类别的首选是： The Signal and the Noise
与上述读物的乐观相比，提供了反面观点的是：Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy.
真正面向零基础初学者的机器学习书籍，基本上是一片市场空白。下面的这些书，既包含了科普读物（见 1.1）中使用机器学习的益处，也部分包含了多见于入门书籍（见 1.3）的应用细节。
Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking
Data Smart: Using Data Science to Transform Information into Insight
Data Mining: Practical Machine Learning Tools and Techniques （第四版）
译本：数据科学实战
该类别的首选是：Data Mining: Practical Machine Learning Tools and Techniques （数据挖掘：实用机器学习工具与技术）
下面是菜鸟入门的首选书单。相当于本科生级别的机器学习资源，适合基础学习者以及开发者新手。它们覆盖了广泛的机器学习话题，倾向于“怎么做”，而非“为什么”或是探讨理论。
Machine Learning for Hackers: Case Studies and Algorithms to Get You Started
译本：机器学习:实用案例解析
译本：机器学习实战
Programming Collective Intelligence: Building Smart Web 2.0 Applications
译本：集体智慧编程
An Introduction to Statistical Learning: with Applications in R
译本：统计学习导论：基于R应用
译本：应用预测建模
该类别的首选是：An Introduction to Statistical Learning: with Applications in R （统计学习导论：基于R应用）
下面是世界一流机器学习教材的列表。这些是研究生课程中会使用到的教科书，覆盖了一系列方法和背后的理论。
The Elements of Statistical Learning: Data Mining, Inference, and Prediction
Machine Learning: The Art and Science of Algorithms that Make Sense of Data
译本：机器学习
该类别的首选是： The Elements of Statistical Learning: Data Mining, Inference, and Prediction （统计学习基础：数据挖掘、推理与预测）
R 语言平台的应用机器学习书目。
R for Data Science: Import, Tidy, Transform, Visualize, and Model Data
Machine Learning With R Cookbook – 110 Recipes for Building Powerful Predictive Models with R
国内名为：R语言机器学习参考手册（英文影印版）
An Introduction to Statistical Learning: with Applications in R
译本：统计学习导论：基于R应用
译本：应用预测建模
该类别的首选是：Applied Predictive Modeling（应用预测建模）
使用 Python 或 SciPy 语言平台的应用机器学习书目。
国内名为：Python 语言构建机器学习系统（英文影印版）
Introduction to Machine Learning with Python: A Guide for Data Scientists
Machine Learning in Python: Essential Techniques for Predictive Analysis
Python Data Science Handbook: Essential Tools for Working with Data
Introducing Data Science: Big Data, Machine Learning, and more, using Python tools
该类别的首选是： Python Machine Learning （Python 语言构建机器学习系统）
深度学习书目。现在没几本深度学习的好书，所以我只得用数量弥补质量。其中有许多专门针对 Tesnorflow 的教程。雷锋网注：该类推荐书目“全军覆没”——没有一本书有中文译本。这或许是因为深度学习领域理论框架尚不完善，缺乏影响力巨大的著作。
Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms
Learning TensorFlow: A guide to building deep learning systems
TensorFlow for Machine Intelligence: A Hands-On Introduction to Learning Algorithms
该类别毫无疑问的首选是：Deep Learning.
另外，Michael Nielsen 的免费电子书 Neural Networks and Deep Learning 简单易懂，深受许多入门学习者的喜爱，雷锋网将其添加在这里，以作补充。
时间序列预测领域最值得一读的书目。在该技术的应用方面，目前 R 语言是霸主。
该类别的入门首选是：Forecasting: principles and practice.
该类别的首选教材是：Time Series Analysis: Forecasting and Control.
有三个出版商在机器学习领域下了大力气，并且在认真出版图书。
它们是: O'Reilly, Manning 和 Packt。它们的焦点是应用书籍。该榜单上的书籍质量参差不齐：从严谨设计、编排的图书到装订在一起的博文。
在它们的“数据”类别，O'Reilly 有超过 100 本图书，许多与机器学习相关。以下是最畅销的几本：
Programming Collective Intelligence: Building Smart Web 2.0 Applications
译本：集体智慧编程
Introduction to Machine Learning with Python: A Guide for Data Scientists
Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms
Data Science from Scratch: First Principles with Python
译本：数据科学入门
Python Data Science Handbook: Essential Tools for Working with Data
这些书中，Programming Collective Intelligence: Building Smart Web 2.0 Applications （集体智慧编程） 或许是开创了 O'Reilly 该目录的书，一直很受欢迎。
Manning 的书偏实用，并且质量还行，虽然数量没 O’Reilly 和 Packt 那么多。
Manning 目录里较突出的一本是 Machine Learning in Action（机器学习实战），这也许同样是因为，它是该出版社在机器学习和数据科学领域的第一本出版物。
感觉上 Packt 全面拥抱了数据科学和机器学习领域的图书出版。他们有一大堆针对晦涩难懂机器学习库的书。在流行话题上面，比如 R 和 Python，也有不少书籍出版。雷锋网注：可惜的是，Packt 似乎不重视汉语市场，旗下主要机器学习图书并没有中文译本。
以下是一些较流行的书目：
相关文章：
正在生成分享图...
刘洁