Machine Learning

评语：很好的机器学习入门书

评语：Statistical Learning 经典

评语：2012 年的新书，略厚，覆盖面非常广，所以有些地方有点简略的感觉。

评语：2014 年新书，应该比较偏理论一些。

评语：2012 年的新书，主流的 learning theory 按照比较标准的套路全面地进行了介绍，读起来思路也比较清晰顺畅，就是 typo 实在是太多了……

评语：Statistics 和 Sparsity 方面的新书。

评语：“Regularization, Optimization, and Beyond”副标题如是说。大概算介于讲 Machine Learning 算法和 Learning Theory 之间的那种吧。

评语：偏 Bayes Learning 的视角，也是好书

评语：很薄的一本书，如其名，讲 computational learning theory

评语：Online Learning 的经典书

评语：Boosting 之父联袂打造的新书 (2012)，从目录来看覆盖面也非常广

评语：2012 新书（只有200页的小册子哦！），来自 Caltech，有配套课程视频(http://www.work.caltech.edu/library/)。注意似乎有好几本和这个同名的书……

评语：2011 新书，虽然副标题是 Methods, Theory and Applications ，但是似乎 theory 讲得多一点，很有意思的 topic，浓重的统计口音，比较难。

评语：机器学习大百科全书，如其名，可以当词典查。撰写各个词条的也有许多牛人，出版日期也比较新，应该是不错的辅助资料。不过 PDF 内没有链接，查阅起来不太方便……

评语：学习理论

评语：Vapnik 的大部头

评语：Vapnik 的大部头 SLT 的缩减版，去掉了所有定理证明

评语：Boyd 的凸优化，难度适中，有配套的视频课程和 slides

评语：凸优化，和 Boyd 的书是不同的风格，感觉比较有意思

评语：优化，2012 新书

评语：Talagrand 老大爷的书，很多 learning theory 里的不等式都是从这里来的。