自学机器学习数学相关书籍推荐

导语

最近在学习机器学习，发现需要恶补数学知识。总感觉国内大学的教材只适合考试，对数学知识的理解和运用不到位。现整理一些评价很高的书，总的来说较适合工科类的同学打基础和提高。

高等数学

入门

：直观易读，强调建模应用和技巧训练，重要的是不失数学上的完整性，工科使用应该相当不错。作者：芬尼 / 韦尔 / 焦尔当诺

：没看过，据说评价很高。 作者：阿德里安·班纳

进阶

：数学经典之一。作者: Richard Courant / Fritz John

：分析学名著。作者：Walter Rudin

：据说数理学科看着都有点困难。作者：辛钦

（共三卷）：数学名著。作者：菲赫金哥尔茨

（共两卷）：世界级数学大师的优秀教材。作者：小平邦彦

线性代数

入门

：侧重于应用。作者：David C. Lay

MIT 教授 Gilbert Strang 的公开课 ，配合教材 《Introduction to Linear Algebra 》或《Linear Algebra and Its Applications》

进阶

：建立在普通线性代数基础上的，有泛函基础再看这本书会好些。作者：Sheldon Axler

：赫赫有名的一本书。作者：（美）合恩（Horn/R.A.）等/杨奇

：被称为数值线性代数圣经。作者：Gene H.Golub / Charles F.Van Loan

概率论与数理统计：

：入门级的好教材。作者：罗斯（Sheldon M. Ross）

：看版本号就知道很经典。作者：钟开莱

：用心写成的书，不光是教知识，更是教思维的方法。作者：陈希孺

：不太了解。作者：霍格

：堪称最好的中文数理统计教材，中国科学院院士的又一杰作。作者：陈希孺