建议初学者收藏的机器学习初学者手抄本：数学基础、机器学习经典算法、统计学习方法等
机器学习怎么学？当然是系统地学习了。没有时间这么办呢？利用碎片时间学习！很多人一天要花 2 个小时通勤，通勤路上有很多时间看手机。于是我把一些机器学习的基础知识做成了在线的机器学习手册，只需打开微信收藏就能学习了！就好像背托福单词一样。(作者：黄海广[1])
机器学习手册分为三个部分，数学基础、机器学习经典算法、统计学习方法。建议有时间的同学可以这三个部分按照顺序学习，时间少的同学，我建议直接看机器学习经典算法，遇到问题查一下数学基础，也可以一边看机器学习经典算法，一边看统计学习方法，查漏补缺。
机器学习手册
一、数学基础
1.高等数学
推荐下我考研和考博时候的数学笔记，我把机器学习的部分，提炼出来，几乎涵盖了所有机器学习所需要的高等数学公式：我做成了在线阅读版本。
2.概率论
-
首选
推荐斯坦福大学 CS229 机器学习课程的基础材料的概率论部分，这个由我翻译，是斯坦福各类人工智能课程的基础材料，针对机器学习进行了优化，可以说是经典材料。(原始文件下载[2])
-
备选
推荐下我考研和考博时候的数学笔记，我把机器学习的部分，提炼出来，几乎涵盖了所有机器学习所需要的线性代数公式：
3.线性代数
-
首选
推荐斯坦福大学 CS229 机器学习课程的基础材料的线性代数部分，这个由我翻译，是斯坦福各类人工智能课程的基础材料，针对机器学习进行了优化，可以说是经典材料。（原始文件下载[3]）
-
备选
推荐下我考研和考博时候的数学笔记，我把机器学习的部分，提炼出来，几乎涵盖了所有机器学习所需要的线性代数公式：
Github：
https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math
（数学基础专辑）可以在线阅读，也可以下载（pdf、word、markdown文件），可以直接在“机器学习初学者”公众号回复“math”即可获取下载地址。
二、机器学习经典算法
机器学习的经典算法主要是吴恩达老师的机器学习课程[4]的精选部分，并增加了决策树部分。如何在最短时间掌握机器学习的经典算法？我推荐把算法精华部分进行学习，这样学习进度会快一点。
（点击目录在线阅读）
第六部分：决策树
Github：
https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
三、《统计学习方法》
李航老师的《统计学习方法》[5]第一版于 2012 年出版，讲述了统计机器学习方法，主要是一些常用的监督学习方法。第一版和第二版前面十二章相同，第二版多了无监督学习的内容（比第一版多了十二章以后的部分），由此本书涵盖了传统统计机器学习方法的主要内容。（点击目录在线阅读）
目录
第14章聚类方法
第15章奇异值分解
第16章主成分分析
第17章潜在语义分析
第18章概率潜在语义分析
第19章马尔可夫链蒙特卡罗法
附录A 梯度下降法
附录B 牛顿法和拟牛顿法
附录C 拉格朗日对偶性
附录D 矩阵的基本子空间
附录E KL散度的定义和狄利克雷分布的性质
建议学习方法
使用微信收藏本文，学习的时候，从本文点击相关章节的链接进行学习。
文章里也是完整代码，如果需要下载代码学习，请访问Github：
https://github.com/fengdu78/lihang-code
总结
本文将机器学习的精华部分做成了手册，打开微信就能学习，适合平时时间少的朋友学习机器学习，可以在通勤的时候在手机上学习，建议收藏本文慢慢学习。
参考资料
[1] 黄海广: https://github.com/fengdu78
[2] 概率论原始文件下载: http://cs229.stanford.edu/summer2019/cs229-prob.pdf
[3] 线性代数原始文件下载: http://cs229.stanford.edu/summer2019/cs229-linalg.pdf
[4] 机器学习课程: https://www.coursera.org/course/ml
[5] 《统计学习方法》: https://baike.baidu.com/item/统计学习方法/10430179
本站qq群1003271085。
加入微信群请扫码进群（如果是博士或者准备读博士请说明）：