機器學習的三個步驟，包括了表示、評價、優化這樣三個步驟，在這三個步驟當中會用到不同的數學公式來分別解決這三個問題。用到的基礎數學都包括線性代數，概率統計，還有最優化理論。這是在機器學習當中用到的最基礎的一些數學工具。
《普林斯頓微積分讀本(修訂版)》中文PDF，673頁，帶書簽目錄，文字可以復制；英文PDF，753頁，帶書簽目錄，文字可以復制；《7天搞定微積分》PDF，199頁，文字可復制。
下載 https://pan.baidu.com/s/1nWcrcxiuC6sEyx-gGr30cg
提取碼: g5zp
《普林斯頓微積分讀本(修訂版)》，原作名: The Calculus Lifesaver:All the Tools You Need to Excel at Calculus，闡述了求解微積分的技巧, 詳細講解了微積分基礎、極限、連續、微分、導數的應用、積分、無窮級數、泰勒級數與冪級數等內容，旨在教會讀者如何思考問題從而找到解題 所需的知識點, 着重訓練解答問題的能力。共30個篇章，外加兩個附錄，主要是對一些重要的定理進行證明。30個篇章從最基本的函數圖像、極限、導數等進行講起，再到后來微分方程和積分的方法。從每篇文章的編排和作者的表述可以看出作者數學功底的深厚，深入淺出的介紹了各種求導方法和證明極限的過程。
給我的感覺是在和作者進行平等的交流，我猜測他在寫數學書的同時也研習過心理學，不然在看這本書的過程中的心理變化作者怎么會判斷的如此准確並給予了適當的提醒呢？適用於學習微積分的數學愛好者以及廣大數學教師，可作為教材、習題集、學習指南。微分的結果是斜率，可以分析變化，股票、匯率與攝影都會用到；積分是導數的逆運算，目的在於找出變化的規律，求出面積。
機器學習是計算機科學與人工智能的重要分支領域，認真看了《機器學習》前面9章，基本上對算法原理，優點缺點，適用條件講得非常清楚，詳略得當。
《機器學習》作為機器學習的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面。 為了使盡可能多的讀者通過本書對機器學習有所了解, 作者試圖盡可能少地使用數學知識. 然而, 少量的概率、統計、代數、優化、邏輯知識似乎不可避免。
參考學習：
《機器學習》PDF，周志華著，443頁，帶書簽目錄，文字可以復制。配套《機器學習》筆記；配套《機器學習》課件；配套《機器學習》習題部分解答及代碼。
下載: https://pan.baidu.com/s/1hy7iL8oO3Z0CSG36dOfZqg
提取碼: y36q
《機器學習》更適合大學三年級以上的理工科本科生和研究生, 以及具有類似背景的對機器學習感興趣的人士. 為方便讀者, 《機器學習》附錄給出了一些相關數學基礎知識簡介.
配套課件：
《機器學習》共16 章，大致分為3 個部分：第1 部分（第1～3 章）介紹機器學習的基礎知識；第2 部分（第4～10 章）討論一些經典而常用的機器學習方法（決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3 部分（第11～16 章）為進階知識，內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等.前3章之外的后續各章均相對獨立, 讀者可根據自己的興趣和時間情況選擇使用. 根據課時情況, 一個學期的本科生課程可考慮講授前9章或前10章; 研究生課程則不妨使用全書.
配套習題解答：
書中除第1章外, 每章都給出了十道習題. 有的習題是幫助讀者鞏固本章學習, 有的是為了引導讀者擴展相關知識. 一學期的一般課程可使用這些習題, 再輔以兩到三個針對具體數據集的大作業. 帶星號的習題則有相當難度, 有些並無現成答案, 謹供富有進取心的讀者啟發思考.
數據挖掘、機器學習、深度神經網絡都會涉及到的最優化理論，機器學習、深度學習的核心是算法模型，而最優化的任務就是告訴模型應該學什么、怎么學，所以在很多情況下，會將最優化作為算法模型的一部分。最優化的任務就是調整參數，向着好的方面調，假如沒有最優化，模型就不知道該怎么學習而導致停滯不前。
推薦看一看《最優化導論第4版》，寫的深入淺出，有必要的推導，直觀的解釋而且還不啰嗦。很多問題的引入都非常自然，從要處理什么問題出發。它是一本難度中上的最優化書籍。很詳細得講了非常多個概念，就一個概念中延伸出很多其它的小問題和小概念，非常實用和全面。
《最優化導論第4版》高清中文PDF，428頁，帶書簽目錄，文字可以復制；高清英文PDF，642頁，帶書簽目錄，文字可以復制。配套習題題解。
下載: https://pan.baidu.com/s/1M8RpMvLxSoSGuzrSRPM1jQ
提取碼: u59g
《最優化導論第4版》是一本關於最優化技術的入門教材，共分為四部分。
第一部分是預備知識。第二部分主要介紹無約束的優化問題，並介紹線性方程的求解方法、神經網絡方法和全局搜索方法。第三部分介紹線性優化問題，包括線性優化問題的模型、單純形法、對偶理論以及一些非單純形法，簡單介紹了整數線性優化問題。第四部分介紹有約束非線性優化問題，包括純等式約束下和不等式約束下的優化問題的最優性條件、凸優化問題、有約束非線性優化問題的求解算法和多目標優化問題。中文版已根據作者提供的勘誤表進行了內容更正。
另推薦《統計學習導論:基於R應用》，適合運用統計學習前沿技術分析數據的人士。統計學習的入門書，通俗易懂，號稱是ESL的入門版，全書沒有太多數學推導，適合學工程的的讀。
《統計學習導論:基於R應用》高清中文PDF，323頁，帶書簽目錄，彩色配圖，文字可以復制；高清英文PDF，436頁，帶書簽目錄，彩色配圖，文字可以復制；配套源代碼。
下載: https://pan.baidu.com/s/1WsGp7_AjT6ogsyfxuvMCGQ
提取碼: hid8
讀起來不費勁，弱化了數學推導過程，注重思維的直觀理解和啟發。第三章線性回歸寫的很好，即使是很簡單的線性模型，作者提出的幾個問題和細細的解釋這些問題對人很有啟發性，邏輯梳理得很好，也易懂。
《概率論基礎教程第9版》設定的門檻很低，只要有初等微積分知識的讀者，都可以讀懂，所以是一本非常好的“概率論”入門書。
閱讀時會發現，書中不僅介紹了概率理論和方法，而且采用了大量生動的例子來說明這些理論和方法是如何應用在實際生活中的，在獲得概率論知識的同時，也體會了概率論的應用魅力。
《概率論基礎教程第9版》中文PDF，426頁，帶書簽目錄，文字可以復制。英文PDF，484頁，帶書簽目錄，文字可以復制。配套習題答案。
《概率導論第2版》中文PDF，456頁，帶書簽目錄，文字可以復制。
下載: https://pan.baidu.com/s/1OZQxi6OUZoWE3LCM1S0T7Q
提取碼: e53t
《概率論基礎教程第9版》側重介紹概率論中最基本的概念，如概率、條件概率、期望、貝葉斯公式、大數定律、中心極限定理、馬爾可夫鏈等。提供了大量有意義的練習，分為習題、理論習題和自檢習題三大類。從習題中，讀者也可受益匪淺。
《概率導論(第2版)》可作為所有高等院校概率論入門的基礎教程, 也可作為有關概率論方面的參考書。是在MIT開設概率論入門課程的基礎上編寫的, 其內容全面, 例題和習題豐富, 結構層次性強,能夠滿足不同讀者的需求。書中介紹了概率模型、離散隨機變量和連續隨機變量、多元隨機變量以及極限理論等概率論基本知識,還介紹了矩母函數、條件概率的現代定義、獨立隨機變量的和、最小二乘估計等高級內容。
《程序員的數學全三冊》中文PDF+《統計學七支柱》高清中文PDF
下載: https://pan.baidu.com/s/1uBUDP7M5JaSGx8ZtVfkFvQ
提取碼: whdt
《程序員的數學》第一冊，結城浩 著， 中文PDF，帶書簽目錄，248頁，文字可以復制。
《程序員的數學：概率統計》第二冊，平岡和幸/堀玄 著， 中文PDF，帶書簽目錄，422頁，文字可以復制。
《程序員的數學：線性代數》第三冊，平岡和幸/堀玄 著， 中文PDF，帶書簽目錄，387頁，文字可以復制。
《統計學七支柱》， 高清中文PDF，帶書簽目錄，147頁，文字可以復制。
編程的基礎是計算機科學，而計算機科學的基礎是數學。因此，學習數學有助於鞏固編程的基礎，寫出更健壯的程序。介紹編程中常用的數學知識，借以培養初級程序員的數學思維。無需精通編程，也無需精通數學，只需具備四則運算和乘方等基礎知識，就可以學習。