统计学习方法

最近一个月又仔细地通读了一遍这本书，收回曾经的三星评价变成四星。这本书确实内容逻辑清晰，值得每位学机器学习的人拿来补充一下基础知识，不是太适合入门者。扣一星是觉得李航博士也许可以写一本更棒的书，稍微有些大材小用。

标准的国内教材，基本该涉及到的知识点都设计到了，就是不适合用来学习。只适合用作在学习完国外的教材或者课程之后当作手册来查询。

这本书对于算法的描述还算简洁。但是这本书仅仅是把一个算法本身描述清楚了，算法的来龙去脉，为什么要这么算都没有交代。理论基础明显不足。要是做机器学习的和统计学习的都只是知道怎么算而不知道为什么这么算，和算命的没有多大区别。

唉

其实只看了SVM一章，李航博士功力深厚，将复杂的SVM理论讲的无比透彻，来龙去脉条理清晰；不过作为教科书，重于本质理论的介绍，给出了大量证明，之前看网上很火的那个SVM入门教程，对svm的理解还是流于形式，知其然不知其所以然，这次看这本书解开了不少疑惑。从线性可分SVM（硬间隔最大化）、线性SVM（软间隔最大化），到非线性SVM（核技巧），每一节都是同一风格的安排：问题描述、形式化定义，学习的对偶算法，其中穿插证明。还有最后一节SMO没看。

Ummm 和概念先混个眼熟

逻辑清晰，结构严谨，行文优雅，深入浅出，简单几句就能感受作者的厚积薄发

机器学习入门级书籍

架构推荐的书，机器学习读两本，西瓜书加这本。

课本