主要从概率论角度解释机器学习的基础

我读的英文版，把本科高数、线性代数和概率论学扎实后，书中的公式基本都能看懂、能推导出来（公式的推导过程非常的详细---相比于周志华的《机器学习》和李航的《统计学习方法》，因为周和李的这两本书公式背后的数学意义，以及公式从上下步推导到下一步，我基本看不懂……但看《A First Course in Machine Learning》，公式的推导基本都能懂）
第一、二、三章分别从线性函数、高斯分布、贝叶斯方法 三个方面对同一个Olympic 数据建模，这种不同方法的对比，加深了我对机器学习模型训练的理解。
另外，个人感觉这本书可以和Coursera上的Ng 机器学习课程结合起来看。