机器学习这本书最早是在大二上学期接触到的，当时在与导师聊天时赵老师强烈推荐，于是借了过来，看了第一章的感觉是不可思议，怎么也无法相信西洋跳棋可以通过这种方式学来。后来由于其他的原因，就非常失败地把这本书停留在了第一章。
在下学期，对神经网络感兴趣想进行初步了解，又从图书馆借了过来翻了第四章，顺便看了第三章，因为当时跟着听人工智能课时讲到了决策树。
真正决定要把这本书坚持下去是在暑假，当时在某一个晚上看第五章时，突然有了久违的读书的感觉，于是已经有些麻木的我又拿起了纸和笔，一通推导公式后，又开始了天马行空的想像，于是这种状态一直持续到我结束了最后一章──加强学习。
读书的过程中，我对五花八门的算法产生了怀疑，本身在解决问题来看，不同算法的确有不同作用，不过在思想上来看，我们往往是有了很多的算法而没有发现到头来它们中的大多数都是等价的，它们有着一样的归纳偏执、一样的搜索空间所以也有一样的局限性。比如EBNN和二输出的神经网络。于是我自以为已经达到了一定的境界，兴奋地到处找人讲这个问题，终于在与朱师兄聊天时，我发现我原来还是停留在表层，渴望的深度，我还是没有达到。
其实直到现在我也觉得Mitchell的机器学习是一本入门书，书上的很多公式都没有严密的推导，Mitchell更多的是直观地分析这个公式为什么成立而不是去推导。但也正因为这一点，你会发现自己总是能从大师的言论中得到启发，所以这本书主要在于启发，它提供给你h函数，但最终的解你要自己设计算法去搜索。前几日借了一本现代智能算法，其中讲蚁群算法的第二部分让我非常之反感，我觉得只用数学去说明问题的人有两种，一种是对这个东西理解得太深了也太浪漫了觉得不纯用数学的话体现不出它的美，另一种是没有自己的思想只是去凑字。前者比如麦克斯韦方程，很少的。
我觉得douban有一点不好，就是把书只机械地分为三类。有些书根本不是看完没看完的问题，而是随时都有可能再看从中吸取新知识的问题。了解了博弈论后，我会讲加强学习与纳什均衡相联系，当我学到更多的知识时，再回头，一定会有更多的发现。
这本书不是看不看完的问题，所以难以将其归类
对“这本书不是看不看完的问题，所以难以将其归类”的回应
《机器学习导论》热门书评
-
这本书不是看不看完的问题，所以难以将其归类
81有用 5无用 gflfof 2007-09-07
机器学习这本书最早是在大二上学期接触到的，当时在与导师聊天时赵老师强烈推荐，于是借了过来，看了第一章的感觉是不可思议，怎么也无法相信西洋跳棋可以通过这种方式学来。后来由于其他的原因，就非常失败地把这本书停留在了第一章。在下学期，对神经网络感兴趣想进行初步了解，又从图书馆借了过来翻了第四章，顺便看了第...
-
未来的主旋律——机器学习
12有用 0无用 Alex 2012-06-27
机器学习是一门交叉学科，和数据挖掘、人工智能等都极为相似。有一种确定的预感：在未来，机器学习将成为一门历史性的学科。这本书在两月前已细细看过，写的极为不错，在中文教学上，是已译书籍之中的最佳者，在外文书籍中也首屈一指。作者Mitchell以生动的语言阐述了机器学习的历史与算法，并提供了各算法的出处与...
-
绝好的机器学习入门书籍
5有用 0无用 Linn 2007-02-08
这本书我看过很多遍，其实这本书涵盖了很多AI相关的方法，比如ANN中有交叉验证；Bayes中有打折法等等我觉得此书有两个特点：1，富含作者本人独到的见解，而且写作手法很生动。2，所有的学习方法或多或少都围绕着bias（偏置）这个概念，而bias是方法选择的最重要因素。不足的是所有的内容都只是intr...
-
写得挺清晰
4有用 0无用 linglongyouzhi 2012-03-13
虽然书的出版日期挺早，但是内容还是非常好的。现在很多流行算法的基础都有讲述。刚看了前六章，其中对决策树，ann的介绍很简洁明了也很容易就看清来龙去脉了。只是翻译的有些问题，貌似作者对统计不是很了解，t检验被翻译成t测试了：（不知英文版怎样有机会也要看一遍才好...
-
东西偏旧
1有用 4无用 skylian 2008-02-06
这本书有点跟不上时代了把机器学习归结为在hypothesis space的search这一观点还是很重要很基本的...
