推荐一本2019年最新，由Marc Peter Deisenroth, A Aldo Faisal, and Cheng Soon Ong编写，剑桥大学出版社初版的新书《机器学习基础》。这是一本讲解机器学习数学基础知识的书，让读者深入学习机器学习相关的数学概念。这本书并没有涵盖所有前沿的机器学习技术，因为已经有很多这样的书了。相反，本书的目标是提供阅读其他书籍所需的数学基础知识。
这本书将于2020年初由剑桥大学出版社出版。
文末附本书最新版下载地址。
本书分为两个部分:
数学基础
使用数学基础的机器学习算法示例
目标是保持这本书相短小精悍，所以不能涵盖所有的内容。
目录
第一部分:数学基础
1、导言和动机
2、线性代数
3、解析几何
4、矩阵分解
5、向量微积分
6、概率和分布
7、连续优化
第二部分:核心机器学习问题
8、当模型遇到数据时
9、线性回归
10、主成分分析降维
11、高斯混合模型的密度估计
12、支持向量机分类
