最近开始学习机器学习，不知道看哪本书比较好（PRML ESL or MLAPP）？

01-16

麻烦看过的前辈介绍一下经验，以及入门先修知识。
本人大四保研党
刚看过了统计学习方法

这三本都刷过一些，力荐MLAPP。

1. PRML 和 MLAPP有点像，都是罗列ML各种模型，但是PRML比MLAPP更加偏概率解释，有些为了概率而概率。MLAPP比较中立，内容更新一些，而且附件资料充足(有代码)

2. ESL内容侧重与 “PRML 和 MLAPP” 都不同，细节往往都没有细讲，需要看对应的paper才能搞懂。不算是很适合的入门教材。

3. 此外还有一本 Foundations of Machine Learning

推荐MLAPP。理由如下：

(1)MLAPP对机器学习基本理论（概率、分布、推理）的解释到位，并且前几章专门进行这部分的知识补充、回顾和训练，非常有助于对具体模型的理解，在具体模型需要进行公式推导的时候也很有价值。

(2)MLAPP模型比较全，什么样的模型都有，不仅有基于贝叶斯统计的绝大多数常见机器学习模型，还包括了一些非概率模型或者概率解释很困难的模型。有时候后面这些模型也是有用的，即使你不用不代表跟你同组的人不用，有必要了解这些模型（PRML上这部分模型的资料相对缺乏）。

(3)对于基于概率的模型，有一些模型MLAPP讲的也足够全，毕竟是后编写的书籍，有一些更加符合时代潮流的方法，另外也讲的更细，有些方法如果只进行不深入的了解的话，不用查论文，直接看MLAPP就够了，这本身就是价值。有的方法即使PRML也讲到了，我也认为MLAPP讲的比PRML更优秀，比如kernel和sparse kernel machine。就像上面有人说的，PRML有点为了概率而概率。

和楼上不同，我力荐PRML。

理由：深入浅出，容易上手。MLAPP感觉作为第二本比较合适。

入门的话强推ISLR和周志华的买西瓜宝典。

PRML ESL MLAPP这三本其实内容都蛮深得，有一本能彻底看懂就已经很不容易啦。

机器学习基本算法[转载]机器学习基本算法参考下

我就告诉你MLAPP符号优美。其他几本太丑。

现在是大四保研党，本科数学。

老板让我用周志华的《机器学习》和《Foundations of Machine Learning》一起协同学习。

反对用mlapp入门，这本破书里面一堆小错误，文章里面的错误会让人想半天不知所云，习题里面的错误让人做了半天，发现白费劲。prml也有错误，但没那么多，而且习题集里面也标出了很多错误的地方。缺点是prml有些太为了数学而数学，不能浅显的讲明白问题。

我觉得最好的书是PRML，非常易懂，但是有些内容没有，比如Gradient boosting, Random forests.

其次是ESL，内容很全，PRML有的基本都有，而且讲的很详细。不过我感觉不是很好懂，比PRML差很多。

MLAPP没怎么看，不过就我看的那些内容来说感觉讲的太浅，没有细节。

初学机器学习，求大神轻拍。

机器学习：《数据挖掘实用机器学习工具与技术》、《数据挖掘导论》、《机器学习》、,《数据挖掘与机器学习WAKA应用技术与实践》

Python：《利用Python进行数据分析》、《Python基础教程》、《Python Cookbook》、《“笨办法”学Python》

MATLAB：《精通MATLAB》、《MATLAB R2014a从入门到精通》、《MATLAB R2014a完全自学一本通》、《MATLAB宝典》

数据库：《MongoDB权威指南》、《数据库系统概念》、《SQL语言与数据库操作技术大全》、《Oracle从入门到精通》

R语言：《统计建模与R软件》、《R语言实战》、《ggplot2数据分析与图形艺术》、《数据挖掘与R语言》