機器學習入門必讀（二）

http://code.tradeclassroom.com 交易策略源代碼下載

此篇是《機器學習入門必讀（一）》之後的續篇，主要是一些機器學習經典資料匯總。

一、入門攻略

1.機器學習入門資源不完全匯總

2.tornadomeet 機器學習 筆記

3.《Machine Learning Theory: An Introductory Primer》

機器學習最基本的入門文章，適合零基礎者

4.《有趣的機器學習：最簡明入門指南》

5.《機器學習的最佳入門學習資源》

6. 《Brief History of Machine Learning》

這是一篇介紹機器學習歷史的文章，從感知機、神經網路、決策樹、SVM、Adaboost到隨機森林，非常全面。

7.《A Gentle Introduction to Scikit-Learn: A Python Machine Learning Library》

如果您是一位python工程師，千萬別錯過這篇，這是一份python機器學習庫。

8.《我愛機器學習》

這篇文章比較直觀的比較了Logistic Regression，Naive Bayes，SVM，決策樹等方法的優劣。

9.《The LION Way: Machine Learning plus Intelligent Optimization》

這是一本機器學習的小冊子, 圖文並茂, 生動易懂適合新手入門打基礎, 也適合老手溫故而知新。

10.《機器學習常見演算法分類匯總》

二、深度學習

1.《Automatic Construction and Natural-Language Description of Nonparametric Regression Models》

麻省理工Joshua B. Tenenbaum和劍橋Zoubin Ghahramani合作，寫了一篇關於automatic statistician的文章。

2.《Introduction to Information Retrieval》

是由斯坦福Manning與谷歌副總裁Raghavan等合著的一本信息檢索相關的書籍。

3.《雅虎研究院的數據集匯總》

包括：圖與社交類數據，評分與分類數據，語言類數據，圖像數據，競賽數據和計算廣告學數據。

4.《2014年國際機器學習大會ICML 2014 論文》

乾貨很多，值得深入學習下。

5.《UFLDL-斯坦福大學Andrew Ng教授「Deep Learning」教程》

本教程將闡述無監督特徵學習和深度學習的主要觀點。此外這關於這套教程的源代碼在github上面已經有python版本了

6.《Deep Learning for Natural Language Processing and Related Applications》

這份文檔需要一定的機器學習基礎此能完全理解，精髓很多。

7.《Neural Networks and Deep Learning》

神經網路的免費在線書，還有對應的開源代碼。

8.《機器學習經典論文/survey合集》

9.《Python 網頁爬蟲 & 文本處理 & 科學計算 & 機器學習 & 數據挖掘兵器譜》

10.《對話機器學習大神Michael Jordan：深度模型》

推薦！國外程序員整理的機器學習資源大全

(來源：程序化交易者，責任編輯：楊清婉)
推薦閱讀：