我推薦幾本很容易入門的書，文科生應該也沒問題，興趣最關鍵。以下幾本書都很不錯，其中一兩本是入門的經典。我只推薦這幾本書，當然有個人喜好在內，看完以下一部分書後你已經入門機器學習領域，這時候由你自己來選擇合適的讀物更恰當些，祝在閱讀的路上能慢慢領略到機器學習的魅力與不足。
簡明而深刻，厚積薄發的評註非常開拓思維，多是遊刃有餘之後才可得出的見解，受益匪淺，論述很系統很全面，對知識領域一覽無餘、豁然開朗。
這本書乾貨為主，什麼意思呢，就是多餘的例子啊解釋啊不多，很精簡的就從問題定義開始，到演算法，到分析。所以別看書這麼薄，其實內容不少。
這書其實內容不是很多，國內第一本專門講推薦系統的書，理論與實踐並重，書本身並不厚，主要是講個性化推薦系統的演算法（主要是離線演算法），評測標準，最後提到了工程的構建，相對來說比較簡單，很適合入門推薦系統的讀者們。
中文版翻譯算是挺用心了。相比後面的網路介紹，前面的基礎以及最佳化更值得反覆讀。Goodfellow的個性很細，看得出喜歡符號計算，讀起來很舒服的一本書。
我推薦幾本很容易入門的書，文科生應該也沒問題，興趣最關鍵。以下幾本書都很不錯，其中一兩本是入門的經典。我只推薦這幾本書，當然有個人喜好在內，看完以下一部分書後你已經入門機器學習領域，這時候由你自己來選擇合適的讀物更恰當些，祝在閱讀的路上能慢慢領略到機器學習的魅力與不足。
《機器學習》（周志華 著）簡明而深刻，厚積薄發的評註非常開拓思維，多是遊刃有餘之後才可得出的見解，受益匪淺，論述很系統很全面，對知識領域一覽無餘、豁然開朗。
《統計學習方法》（李航 著）這本書乾貨為主，什麼意思呢，就是多餘的例子啊解釋啊不多，很精簡的就從問題定義開始，到演算法，到分析。所以別看書這麼薄，其實內容不少。
《推薦系統實踐》（項亮 著）這書其實內容不是很多，國內第一本專門講推薦系統的書，理論與實踐並重，書本身並不厚，主要是講個性化推薦系統的演算法（主要是離線演算法），評測標準，最後提到了工程的構建，相對來說比較簡單，很適合入門推薦系統的讀者們。
《深度學習》（伊恩·古德費洛 著）中文版翻譯算是挺用心了。相比後面的網路介紹，前面的基礎以及最佳化更值得反覆讀。Goodfellow的個性很細，看得出喜歡符號計算，讀起來很舒服的一本書。