《机器学习》（周志华编著，清华大学出版社）

被誉为“国内机器学习领域的经典之作”，适合初学者和有一定基础的学习者。

《机器学习（西瓜书）》（周志华编著，清华大学出版社）

涵盖了丰富的机器学习知识，详细阐述了机器学习的基础概念、数据处理、特征选择、模型评估与选择等内容，适合初学者。

《机器学习基础》（Mehryar Mohri 著）

对机器学习的通用简介，适合研究者和学生使用，数学氛围浓厚。

《深度学习的数学》

深入浅出地讲解了深度学习背后的数学原理，适合希望理解神经网络、梯度下降和反向传播等核心概念的读者。

《MATHEMATICS FOR MACHINE LEARNING》（Marc Peter Deisenroth、A. Aldo Faisa和Cheng Soon Ong著）

提供机器学习所需的数学基础，涵盖线性代数、解析几何、矩阵分解、向量微积分、概率与分布等关键数学概念。

《统计学习导论：基于R的应用》（Gareth James、Daniela Witten、Trevor Hastie和Robert Tibshirani著）

经典的统计学习入门书籍，适合对统计学和机器学习感兴趣的读者。

这些书籍各有特色，涵盖了机器学习的各个方面，从基础概念到高级应用都有涉及。根据你的学习需求和兴趣，可以选择其中一两本进行深入学习。