入门机器学习：人人都能懂的算法原理
https://mbb.eet-china.com/download/204830.html
算法公式挺费神，机器学习太伤人。任何一个刚入门机器学习的人都会被复杂的公式和晦涩难懂的术语吓到。但其实，如果有通俗易懂的图解，理解机器学习的原理就会非常容易。本文整理了一篇博客文章的内容，读者可根据这些图理解看似高深的机器学习算法。  

图解机器学习
https://mbb.eet-china.com/download/238600.html
187张图示帮助理解机器学习，从最小二乘法出发，对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种无监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。  

机器学习基础教程  
https://mbb.eet-china.com/download/19240.html
机器学习技术及应用的主要算法，重点讲述理解主流的机器学习算法所需的核心数学和统计知识。

机器学习基础进阶
https://mbb.eet-china.com/download/310245.html
共16章，大致分为3个部分：第1部分介绍机器学习的基础知识；第2部分讨论一些经典而常用的机器学习方法；第3部分为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。  

机器学习：实用案例解析
https://mbb.eet-china.com/download/274305.html
讨论的案例既有分类问题，也有回归问题；既包含监督学习，也涵盖无监督学习。在探索这些案例的过程中用到的基本工具就是R统计编程语言。R语言非常适合用于机器学习的案例研究，因为它是一种用于数据分析的高水平、功能性脚本语言。

机器学习与应用
https://mbb.eet-china.com/download/310234.html
系统、深入地讲述机器学习与深度学习的主流方法与理论，并紧密结合工程实践与应用。详细地讲述主要算法的工程实现细节，配以著名开源库的源代码分析（包括libsvm、liblinear、OpenCV、Caffe等开源库），真正理解算法、学会使用算法。

机器学习：从公理到算法
https://mbb.eet-china.com/download/271100.html
第一部分是机器学习公理以及部分理论演绎。第二部分关注如何从公理推出经典学习算法，包括单类、多类和多源问题。分别论述密度估计、回归和单类数据降维。以及多类问题，包括聚类、神经网络、 K近邻、支持向量机、Logistic回归、贝叶斯分类、决策树、多类降维与升维等经典算法。最后研究了多源数据学习问题。

机器学习：算法背后的理论与优化
https://mbb.eet-china.com/download/271127.html
针对机器学习领域中最常见的一类问题——有监督学习，从入门、进阶、深化三个层面由浅入深地进行了讲解。

Python机器学习基础教程
https://mbb.eet-china.com/download/18708.html
以Python语言介绍机器学习入门。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。  

Python机器学习实践指南
https://mbb.eet-china.com/download/209851.html
讲解了Python 机器学习的生态系统，介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在图像、聊天机器人和推荐引擎等方面的应用。  

有码

统计学习方法
https://mbb.eet-china.com/download/274379.html
全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。

周志华机器学习ppt1-10章  
https://mbb.eet-china.com/download/4133.html
机器学习实战代码  
https://mbb.eet-china.com/download/1146.html