机器学习资源总结

一、Python 科学计算与可视化工具

• 《Python 数据科学手册》by Jake VanderPlas Python Data Science Handbook - GitHub

• 《利用 Python 进行数据分析》by Wes McKinney（Pandas 作者） Python for Data Analysis Wes McKinney

• 官方文档：

  • Numpy：https://numpy.org/doc/
  • Pandas：https://pandas.pydata.org/docs/
  • Matplotlib：https://matplotlib.org/stable/contents.html
  • Seaborn：https://seaborn.pydata.org/

🛠 推荐工具

• Jupyter Notebook / VS Code
• Python 3.9+
• pip 安装依赖库：numpy、pandas、matplotlib、seaborn

二、线性代数基础

📚 推荐资料

• 《线性代数及其应用》（第四版）by Gilbert Strang
• 3Blue1Brown 视频课程：《线性代数的本质》（The Essence of Linear Algebra）

• 《机器学习》周志华 第 2 章（线性代数部分）

🛠 实践工具

• Numpy：用于矩阵运算、特征值计算、SVD 分解

三、概率与统计基础

📚 推荐资料

• 《概率论与数理统计》浙大版（盛骤版）
• Khan Academy 统计与概率课程：https://www.khanacademy.org/math/statistics-probability
• 《统计学习方法》李航 第 1 章 统计学习方法

🛠 实践工具

四、微积分与梯度下降

📚 推荐资料

• 3Blue1Brown 视频课程：《微积分的本质》
• 《微积分》（同济版）前两章
• 吴恩达《机器学习》课程（Coursera）第 1~2 周：线性回归 + 梯度下降

🛠 实践工具

• 使用 Python 手写梯度下降法，绘制收敛曲线
• 用 matplotlib 可视化损失函数下降过程

五、优化与正则化

📚 推荐资料

• 《统计学习方法》第 3 章（线性模型）
• 《机器学习实战》第 2 章：线性回归与损失函数推导
• Coursera 吴恩达课程（Week 3）：正则化与过拟合

🛠 实践工具

• 自写线性回归器 + 加入 L2 正则项
• Scikit-learn 中的 Ridge, Lasso 模型对比实验

六、综合项目推荐

• Kaggle：Titanic 生还预测（用于掌握数据处理、建模、可视化）
• 自写线性回归器用于房价预测
• 用 Scikit-learn 完成线性回归并可视化结果

✅ 阶段工具清单

• Python 解释器（3.9 以上）
• Jupyter Notebook / VS Code

• pip 安装以下工具包：

  pip install numpy pandas matplotlib seaborn scikit-learn scipy