现在正在学习机器学习，其实就是统计机器学习，学习了这些资料，进行总结。
《统计学习导论基于R应用》其实是一本统计学习方法的概要书，提供了理解大数据和复杂数据必不可少的工具，数据来自近20年来生物学、金融学、市场营销学和天体物理学等领域。介绍了一些重要的建模方法和预测技术以及它们的相关应用。内容涉及线性回归、分类、再抽样方法、压缩方法、树方法、聚类、支持向量机等。书中使用大量案例来阐释相关方法，每章都有如何在R中实现所述方法的指导实验。
《统计学习导论基于R应用》高清中文PDF，323页，带书签目录，彩色配图，文字可以复制粘贴。
《统计学习导论基于R应用》高清英文PDF，436页，带书签目录，彩色配图，文字可以复制粘贴。
配套源代码。
下载：https://pan.baidu.com/s/1o8389xFN2oe0y2KKMjMeIg
《统计学习导论:基于R应用》适合是那些希望运用统计学习前沿技术分析数据的人士，既包括统计学专业的师生，也包括非统计学专业的从业者。
需要绘制思维导图。
我认为第3章线性回归和第4章分类 ，讲的很好，总结了习题答案和思维导图。
《最优化导论第4版》是一本关于最优化技术的入门教材，共分为四部分。
下载：https://pan.baidu.com/s/1hRi294_QO2Thf4RD4slwZg
《最优化导论第4版》高清中文版PDF，428页，带书签目录，文字可以复制。
《最优化导论第4版》高清英文版PDF，642页，带书签目录，文字可以复制。
配套习题题解。
第一部分是预备知识。第二部分主要介绍无约束的优化问题，并介绍线性方程的求解方法、神经网络方法和全局搜索方法。第三部分介绍线性优化问题，包括线性优化问题的模型、单纯形法、对偶理论以及一些非单纯形法，简单介绍了整数线性优化问题。第四部分介绍有约束非线性优化问题，包括纯等式约束下和不等式约束下的优化问题的最优性条件、凸优化问题、有约束非线性优化问题的求解算法和多目标优化问题。中文版已根据作者提供的勘误表进行了内容更正。
也对比学习了《概率图模型:原理与技术》中文和英文PDF
《概率图模型:原理与技术》中文PDF，1251页。
《概率图模型:原理与技术》英文PDF，1270页，带书签目录，文字可以复制粘贴。
《概率图模型:原理与技术》中文PDF+英文PDF
下载：https://pan.baidu.com/s/1JcFG7blDGqfOxwQ9DjMk7A
概率图模型将概率论与图论相结合，是当前非常热门的一个机器学习研究方向。详细论述了有向图模型（又称贝叶斯网）和无向图模型（又称马尔可夫网）的表示、推理和学习问题，全面总结了人工智能这一前沿研究领域的最新进展。为了便于理解，书中包含了大量的定义、定理、证明、算法及其伪代码，穿插了大量的辅助材料，如示例（examples）、技巧专栏（skill boxes）、实例专栏（case study boxes）、概念专栏（concept boxes）等。
可见，学习人工智能，就需要学习机器学习基础，而机器学习必须要学好统计和优化。
学习过程中也参考了：
《最优化理论与算法第2版》高清PDF+配套习题解答+陈宝林+《最优化理论与方法》PDF+袁亚湘
下载: https://pan.baidu.com/s/1yq1_ABCajpOvO4jADnbPZA
提取码: q2ck
学好最优化对理解支持向量机很有用。