李克清，时允田主编2019 年出版252 页ISBN：9787115501349
本书详细地介绍了机器学习的基本原理，并采用“原理简述+问题实例+实际代码+运行效果”的模式介绍常用算法，。全书共分11章，主要包括决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维等内容...
（以）沙伊·沙莱夫-施瓦茨（SHAISHALEVSHWARTZ），（加）沙伊·本-戴维（SHAIBENDAVID）著；张文生译2016 年出版312 页ISBN：7111543023
焦李成，公茂果，王爽等著2008 年出版339 页ISBN：9787560620473
本书讨论了自然计算、机器学习、图像自动理解与解译三个前沿领域。
（日）小高知宏著；申富饶，于惠译2018 年出版190 页ISBN：9787111599944
本书以非常容易理解的方式解说了人工智能研究中机器学习的各领域知识，以这些知识为前提，说明了深度学习是什么,以及相关学习方法。本书不是单纯地罗列概念，而是通过适当介绍具体处理流程和程序示例，来具体化地...
（南非）NICK PENTREATH著；蔡立宇，黄章帅，周济民译2015 年出版227 页ISBN：9787115399830
本书每章都设计了案例研究，以机器学习算法为主线，结合实例探讨了Spark的实际应用。书中没有让人抓狂的数据公式，而是从准备和正确认识数据开始讲起，全面涵盖了推荐系统、回归、聚类、降维等经典的机器学习算法...
