书籍推荐
1.《机器学习》 周志华。概述比较系统的介绍了机器学习的各个分支，即可作为教材，又可以作为自学用书和科研参考书。
2.《统计学习方法》 李航著。该书比较详细地介绍了算法的原理，只从理论层面来研究算法。通过这本书和《机器学习实战》两本书相结合，一本讲理论，一本着手实践，加在一起会有事半功倍的效果。
3.《数据挖掘概念与技术》 韩家炜著。该书介绍了数据挖掘的常用技术，比较详实，但本人觉得不太适合初学者，当时自己初学的时候看的就是这本书，结果最后很多地方理解的不是很好，后来通过《统计学习方法》和算法实践之后，再回头看《数据挖掘概念与技术》，感觉就轻松多了。
4.《数学之美》 吴军著。本书可以当做业余书籍来看，可以在无聊的时候看看，不过里面讲的东西还是挺有用的。
5.《Python科学计算》该书可以当做Python编程参考书籍，但前提是你喜欢使用Python，并爱上了它，不然这本书还是蛮贵的，我自己也是通过“研究生自由探索项目”才买的这本书，因为可以报销嘛。
博客和文章推荐
pluskid，真名张弛原，一位技术大牛，毕业于浙江大学，后来出国深造。他的博文质量非常高，深入浅出，其SVM三层境界的讲解让人茅塞顿开，应该给了很多人启发吧，很值得学习。
Rachel Zhang，真名张睿卿，很有气质的一位软妹纸，目前是百度深度学习实验室研发工程师，在CSDN中的博客人气绝对屈指可数，算是IT界的一位女中豪杰。博客网址：CSDN博客-Rachel Zhang
July，对算法研究独具一格，目前是七月在线科技创始人兼CEO。博客网址：July
Jason，一位国外机器学习爱好者，其博客内容详实，多篇文章被国内机器学习者翻译。博客网址：http://machinelearningmastery.com/blog/
一个国外很好的机器学习博客，里面介绍了详细的算法知识，很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning.网址：A Blog From a Human-engineer-being
一篇涵盖许多机器学习资料的文章：机器学习(Machine Learning)&深度学习(Deep Learning)资料
Edwin Chen ，机器学习爱好者，博客内容涵盖数学、机器学习和数据科学。分享其中一篇博文：Choosing a Machine Learning Classifier
一篇以前的博文：A List of Data Science and Machine Learning Resources，有时间好好阅读阅读，对你绝对有帮助。
A Few Useful Things to Know about Machine Learning,一篇很有帮助的机器学习文章，里面包括了特征选择与模型的简化。
The Discipline of Machine Learning机器学习规则。该文章比较老，2006年发布的，作者是Tom Mitchell，但很有参考价值，其中定义了机器学习的规则。Mitchell在说服CMU总裁为一个百年内都存在的问题建立一个独立的机器学习部门时，也用到了这本书中的观点。希望能对你也有所帮助。
国内外网站
数据分析网：http://www.afenxi.com/
