统计学习方法（第2版）

1、封面介绍

2、出版时间

2019年05月

3、推荐理由

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。《统计学习方法（第2版）》分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等。

《统计学习方法（第2版）》是统计机器学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供计算机应用等专业的研发人员参考。

4、作者简介

李航，男，毕业于日本京都大学电气电子工程系，日本东京大学获得计算机科学博士学位。北京大学、南京大学兼职教授。曾任日本NEC公司中央研究所研究员，微软亚洲研究院高级研究员与主任研究员、华为技术有限公司诺亚方舟实验室主任。现任今日头条人工智能实验室主任。

提醒读者

此书颇受争议。对于新人来说，此书不适合入门，而对于入门人来说，此书浅尝辄止。此书仅仅适合于有一定的机器学习基础，但是没有形成系统化体系结构的人群。

面试天下成员点评

本书是机器学习基础书籍，具有以下特点：

1、将高度数学、线性代数和概率统计知识，从机器学习视角进行推导和延伸，简明而精炼的采用数学公式阐述了机器学习理论、算法和应用。普遍适用于科研和工作实践构建基础理论和实践应用的教科书。

2、本书覆盖全面，内容全面，包括一些常见，但又很难有中文资料讲解十分明白的一些知识，包括不限于：第11章 条件随机场；第19章 马尔科夫蒙特卡洛 等内容

3、辅助学习资料全面，学习实践代码：https://github.com/richard1g/ML-Algorithms