以下是针对不同学习阶段和应用场景的中文机器学习手册/书籍推荐，分类清晰便于选择：

一、经典系统性教材（适合理论根基）

1. 《机器学习》（西瓜书） - 周志华

   • 推荐理由：国内最权威的机器学习教材，覆盖监督/无监督学习、强化学习等核心内容，公式推导严谨。
   • 适合：有一定数学基础的学习者深入理解算法原理。

2. 《统计学习方法》（第2版） - 李航

   • 推荐理由：以统计视角讲解经典算法（感知机、SVM、HMM等），侧重数学推导与实现。
   • 适合：研究生或希望夯实理论基础的从业者。

3. 《深度学习》（花书） - Ian Goodfellow 等（中文译版）

   • 推荐理由：深度学习领域圣经，涵盖CNN、RNN、生成模型等前沿内容。
   • 适合：需要深入理解深度学习原理的研究者。

二、实战型手册（侧重代码与应用）

1. 《动手学深度学习》 - 李沐 等

   • 推荐理由：交互式Jupyter Notebook教材，使用PyTorch/MXNet实战教学，开源免费（电子书链接）。
   • 适合：零基础快速上手项目，培养工程能力。

2. 《Python机器学习手册》 - Chris Albon（图灵出版）

   • 推荐理由：按任务分类的代码速查手册（数据预处理、模型调参等），即学即用。
   • 适合：从业者快速解决实际问题。

3. 《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》 - Aurélien Géron（原书第2版）

   • 推荐理由：以Scikit-Learn和TensorFlow生态为例，讲解从数据清洗到部署的全流程。
   • 适合：需要端到端项目实践的中级学习者。

三、面试与面试必备手册

1. 《百面机器学习》 - 葫芦娃 著

   • 推荐理由：通过530道真题解析机器学习面试考点（算法+场景题）。
   • 适合：求职者快速查漏补缺，掌握高频题型。

2. 《机器学习算法工程师手册》 - 夕小瑶 等（网络开源）

   • 电子书地址：GitHub链接
   • 特点：汇总面试知识点提纲、代码模板及笔试题库。

四、领域专项手册

• 自然语言处理：《自然语言处理入门》 - 何晗（基于PyTorch）
• 计算机视觉：《OpenCV 4机器学习算法原理与编程实战》 - 王斌
• 强化学习：《动手学强化学习》 - 张伟楠 等（开源书）

五、免费资源推荐

1. Scikit-Learn官方文档（中文）
   • 中文文档链接
   • 包含API详解与示例代码，必备工具书。
2. ApacheCN 中文机器学习资源
   • GitHub仓库
   • 翻译大量英文教程（如《机器学习实战》代码精解）。

选择建议：

• 新手入门：先看《动手学深度学习》+《Python机器学习手册》
• 理论进阶：《机器学习》（周志华）+《深度学习》（花书）
• 求职突击：《百面机器学习》+ 开源面试手册
• 快速查阅：Scikit-Learn文档 + 代码仓库工具书

按需搭配使用，理论结合实践效果更佳！