完整的机器学习图书库。
书籍是一项绝佳的投资。花几十美元就能获得多年的经验。
我热爱书籍，并且会阅读我能找到的每一本机器学习书籍。
我认为拥有好的参考资料是快速解答你的机器学习问题的最快方法，而拥有多本书籍可以让你对棘手的问题有多种视角。
在本指南中，您将发现顶级机器学习书籍。
人们想要并阅读机器学习书籍的原因有很多。因此，我以多种不同的方式对机器学习书籍进行了分组和列出，例如：
- 按类型：教科书、科普读物等。
- 按主题：Python、深度学习等。
- 按出版商：Packt、O’Reilly 等。
等等。
所有书籍都链接到亚马逊，以便您可以了解更多信息，甚至立即购买。
我会保持本指南的更新，请将其添加到书签并定期回来查看。
让我们开始吧。
机器学习书籍
照片来自 The City of Toronto，部分权利保留。
如何使用本指南
- 找到最能引起您兴趣的主题或方向。
- 浏览您选择的章节中的书籍。
- 购买书籍。
- 逐字阅读。
- 重复。
拥有书籍不等于了解其内容。阅读您购买的书籍。
您读过任何机器学习书籍吗？
在下面的评论中分享您读过的内容。
按类型划分的机器学习书籍
机器学习科普书籍
这是一份面向普通读者的机器学习科普书籍列表。
它们介绍了机器学习或数据科学的优点，但没有理论或应用细节。我还加入了一些我喜欢的相关的“统计思维”科普书籍。
- 《终极算法：追求终极学习机器的探索将重塑我们的世界》
- 《预测分析：预测谁会点击、购买、说谎或死亡的力量》
- 《信号与噪声：为什么许多预测会失败——但有些不会》
- 《赤裸统计学：摆脱数据恐惧》
- 《醉汉的散步：随机性如何主宰我们的生活》
这份列表中的热门选择是：《信号与噪声》。
《信号与噪声》——为什么许多预测会失败——但有些不会
与这些优化书籍的对冲是 《数学毁灭武器：大数据如何加剧不平等并威胁民主》。
初学者机器学习书籍
这是一份面向初学者的机器学习书籍列表。
科普书籍（如上）中可以看到应用机器学习的优点，而入门书籍（如下）中可以看到实现细节的开端。
- 《商业数据科学：您需要了解的数据挖掘和数据分析思维》
- 《数据智能：利用数据科学将信息转化为洞察》
- 《数据挖掘：实用机器学习工具与技术》(Data Mining: Practical Machine Learning Tools and Techniques)
- Doing Data Science: Straight Talk from the Frontline
这份列表中的热门选择可能是：《数据挖掘：实用机器学习工具与技术》。
《数据挖掘——实用机器学习工具与技术》
入门级机器学习书籍
以下是面向初学者、可能在本科课程或希望开始学习的开发人员的顶级书籍列表。
它们涵盖了广泛的机器学习主题，侧重于“如何”而非“理论”和“为什么”的方法。
- 《黑客机器学习：入门案例研究和算法》
- 《机器学习实战》(Machine Learning in Action)
- 集体智慧编程：构建智能 Web 2.0 应用
- 《统计学习导论：R语言应用》(An Introduction to Statistical Learning: with Applications in R)
- 应用预测建模
这份列表中的热门选择可能是：《统计学习导论：R 中的应用》。
《统计学习导论——R 中的应用》
机器学习教科书
以下是顶级机器学习教科书列表。这些是您将在研究生机器学习课程中使用的书籍，涵盖了广泛的方法及其背后的理论。
这份列表中的热门选择可能是：《统计学习要素：数据挖掘、推理和预测》。
《统计学习要素：数据挖掘、推理和预测》
按主题划分的机器学习书籍
使用 R 进行机器学习
关于使用 R 平台进行应用机器学习的书籍列表。
- 《R 数据科学：导入、整理、转换、可视化和建模数据》
- 《R语言机器学习》(Machine Learning with R)
- 《R 机器学习食谱——使用 R 构建强大预测模型的 110 个食谱》.
- 《精通 R 机器学习》
- 《统计学习导论：R语言应用》(An Introduction to Statistical Learning: with Applications in R).
- 《R语言实用数据科学》(Practical Data Science with R)
- 《应用预测建模》。
- 《R 和数据挖掘：示例和案例研究》
这份列表中的热门选择是：《应用预测建模》。
应用预测建模
使用 Python 进行机器学习
关于使用 Python 和 SciPy 平台进行应用机器学习的顶级书籍列表。
- 《Python 机器学习》
- 《从零开始的数据科学：Python 的第一原理》
- 《Scikit-Learn 和 TensorFlow 实践机器学习：构建智能系统的概念、工具和技术》
- 《Python 机器学习入门：数据科学家的指南》
- 《Python 机器学习关键入门：改进和优化机器学习系统与算法的最佳实践》
- 《Python 机器学习：预测分析的关键技术》
- 《Python 数据科学手册：处理数据的必备工具》
- 《Python 数据科学入门：大数据、机器学习等》
- 《实际机器学习》
这份列表中的热门选择可能是：《Python 机器学习》。
《Python 机器学习》
深度学习
深度学习书籍列表。目前有几本不错的书籍可供选择，所以我选择了数量而非质量。
- 深度学习
- 《深度学习：实践者的方法》
- 《深度学习基础：设计下一代机器智能算法》
- 《学习 TensorFlow：构建深度学习系统的指南》
- 《TensorFlow 机器学习》
- 《TensorFlow 机器学习食谱》
- 《TensorFlow 入门》
- 《面向机器智能的 TensorFlow：学习算法的实践入门》
这份列表中的首选是：《深度学习》。
深度学习
时间序列预测
时间序列预测顶级书籍列表。
目前时间序列预测的应用方面主要由 R 平台主导。
一本热门的入门书籍是 《预测：原理与实践》。
《预测——原理与实践》
按出版商划分的机器学习书籍
有三家出版商在机器学习领域投入巨大，并不断推出书籍。
它们是：O’Reilly、Manning 和 Packt。
它们的重点是应用书籍，而这些书籍的质量差异很大，有的设计精良、编辑得当，有的则像是一堆拼凑起来的博客文章。
O’Reilly 机器学习书籍
O’Reilly 有数百本与其“数据”计划相关的书籍，其中许多都与机器学习有关。
我不可能全部列出，请参阅相关链接。以下是一些畅销书。
- 集体智慧编程：构建智能 Web 2.0 应用
- 《Python 机器学习入门：数据科学家的指南》
- 《深度学习：实践者的方法》
- 《深度学习基础：设计下一代机器智能算法》
- 《从零开始的数据科学：Python 的第一原理》
- 《Python 数据科学手册：处理数据的必备工具》
《集体智能编程：构建智能 Web 2.0 应用程序》这本书可能开启了这一方向，并且一直很受欢迎。
《集体智能编程——构建智能 Web 2.0 应用程序》
相关链接
Manning 机器学习书籍
Manning 的书籍实用且质量合理。它们不像 O’Reilly 和 Packt 那样拥有数百本书籍（目前）。
- 《机器学习实战》(Machine Learning in Action)
- 《实际机器学习》
- 《Python 数据科学入门：大数据、机器学习等》
- 《R语言实用数据科学》(Practical Data Science with R)
Manning 书籍中的亮点可能是《机器学习实践》，也许是因为它是他们第一本机器学习书籍。
《机器学习实战》(Machine Learning in Action)
相关链接
Packt 机器学习书籍
感觉 Packt 在数据科学和机器学习书籍方面全力以赴。
它们有关于各种晦涩库的书籍，以及关于 R 和 Python 等热门主题的多本书籍。
以下是一些更受欢迎的书籍。
额外资源
以下是我用来编写本指南的一些资源以及您可能觉得有用的其他机器学习书籍列表。
总结
我试图整理一个最大、最完整的机器学习书籍列表。
您是否阅读过本指南中的一本书或多本书？是哪些书？您对它们有什么看法？
您买过新书吗？是哪一本？
我是否遗漏了很棒的机器学习书籍？请在下面的评论中告知我。
感谢您提供的新书籍列表，信息量很大。
很高兴您觉得这个列表有用，Nathan。
不错的列表，谢谢。
谢谢 Madhu。
感谢这篇信息丰富的博客。总有一天，请写一些关于时间序列专业领域差异的文章，比如计量经济学、通用时间序列分析、环境计量学等等。
当然 Leo，你想了解具体什么？
计量经济学、通用时间序列分析、环境计量学等时间序列专业领域之间的差异。
你好 Leo，
嗯，时间序列分析是关于理解发生了什么。时间序列预测是关于预测将会发生什么。这些都是普遍的研究领域和通用方法。
这些领域可以专门化到气象学等领域，用于天气预测，并可能涉及特定领域度量和方法的开发。
在金融和经济领域工作，进行计量经济学也是如此。
这样有助于您开始吗？
谢谢。确实有帮助。这基本上是关于我们使用这些方法的领域。
非常感谢你，Jason。非常喜欢这个书单！
很高兴您觉得它有用，Matthew。
这太棒了，谢谢！我已经读/参考过其中一些书了，但这确实有助于填补任何空白。
很高兴听到这个消息，Rodrigo。
非常感谢您提供如此信息丰富的书单。我将购买三本书，即《Python 机器学习系统构建》——Luis Pedro Coelho、Willi Richer，
《Python 机器学习入门》——Andreas C. Muller Sarah Guido，
以及《从零开始的数据科学》。还有其他建议吗？
很高兴听到这个消息 Adil。很棒的选择。
我找 AI 书籍已经有一段时间了。这是我迄今为止找到的最全面的列表。感谢您与我们分享您的经验！
谢谢，很高兴听到这个。
ISLR——非常赞同！我非常欣赏它！
很棒，我同意 Dave！
《Python 机器学习》是一本很棒的书。强烈推荐！
感谢推荐。
感谢您提供信息丰富的博客。
不客气。
开始学习《Python 3 硬核学习法》。
很好的建议。
干得好。您的博客对学生非常有帮助。
谢谢！
你好 Jason，
我是一名 ML 初学者，您能否指导我一下学习顺序？
提前感谢。
您好 A.Hari babu……请澄清您在机器学习方面的目标，以便我们能更好地帮助您。