“机器学习”科普书

即使当前的图书市场上充斥着各种数学的科普书，《数学之美》都是一本质量非常高的作品。尽管文章都先刊于“谷歌黑板报”，但其绝没有类似博客的剥离感，相反，其文章之间的关联非常高，甚至有些一气呵成的感觉。

数学的范围非常的广泛，任谁都无法用一本薄薄的书将其讲完，而一本高质量的书籍必然要有一个要描述的主题，我想这本书要讲的就是“机器学习”（绝大部分）。之所以如此说，只需要看看本书所讲的都是哪些数学原理即可，随便即可举出不少例子：自然语言处理、马尔科夫模型、最大熵模型、SVD、贝叶斯、逻辑回归、条件场等等，这些无不在机器学习领域起着重大的作用。如果说这是一本讲“机器学习”的科普书并不准确，实际上，此书讲的就是数学，只是应用场景多是机器学习。

这本书的特点之一就是围绕着应用场景讲数学原理。绝大多数人学过数学，绝大多数的大学生都要修高等数学，但事实上，很少有人用到了所学的数学知识，如果研究方向或工作方向脱离了数学，也许这些知识将一辈子都用不上，并迅速遗忘。书倒是用是方恨少，当我们遇到或需要数学时，才发现当年学过的知识是做何用途。以我自己举例，在上学期间学过矩阵，学过奇异值分解，但自己无论如何也想不出这些“神奇”的东西会有什么用途，而读过此书的SVD算法时，才豁然开朗，知道了奇异值分解的“妙用”。

除此之外，这本书无疑会开拓读者的视野。试举一例，比如比较两个向量的相关性，我想大多数人会用欧几里得距离、曼哈顿距离等等，因为这些思路最为直观，但书中给出了如何使用余弦定理来判断向量之间的相关性，我想这确实能够让人有眼前一亮，另辟蹊径的感觉。再比如使用TF-IDF来作为搜索关键词的权重，也是原理简单，思路巧妙的方法。

书中还有许多和数学相关的人物介绍，这些人物都是某些领域（自然语言处理等等）的大师，尽管我们平时很少了解（不像高斯、欧拉这种教材中随处可见的数学家），但这些人对数学的贡献，做学术的严谨态度，以及其个人魅力，都是我们应该学习的。

此书是面向大众的科普类书籍，吴军博士将每篇文章都分为基本部分、扩展部分，让不同人群能够选择性阅读，这无疑也是一种非常好的写书方法。

如果只是单纯的对数学感兴趣，此书绝不会让你失望。如果想学习机器学习（自然语言处理），更应该读读这本书。