事隔几年，重拾这本书

记得第一次读这本书的时候，是刚毕业在第一家小公司工作，虽然当时只是做Web，但是作为十人团队中少有的还有那么点数学基础的人，无可避免地把一些简单的非工程化的东西接了过来。当时有一个小任务是来做喜欢xxx的人也喜欢xxx，老大就把这本集体智慧编程扔给了我，说看这本书，然后看看能不能把这个做出来，当时我还不知道这门“蹩脚”的语言叫做Python，不过感谢有了这本书，我知道了什么叫Item-based，虽然之后又忘记了。接下来我便顺着半懂不懂地读完了这本书，“知道”了SVM，"知道"了协同过滤，然后便自认为懂了算法。以至于在今后的几年，每当有人希望学习下数据挖掘，我便向他们推荐这本书。

再到几年后，我自己真的置身到了算法领域。前几天看PRML看到SVM的知识，看的有些迷迷糊糊，于是便回头翻了一下许久不动的《集体智慧编程》，我做的是从第一页开始不停地往后翻，发现对我理解算法几乎没有任何的帮助，因为发现这本书其实什么都没有讲。

回到说这本书本身，其实这本书最大的优势便是书中没有理论推导，没有复杂的数学公式，例如在讲SVM的时候，他讲到的我们做SVM的目的就是要需要找到超平面，至于非线性可分的数据来说，我们需要的是把低维数据升至高维，然后便可线性可分了，而对照PRML这种把SVM讲了整整三四章的书来说，知识之浅显就可见一斑了；甚至不用和PRML来比较，就算是对比斯坦福的机器学习公开课来说，其深入程度都不如一堂课的内容了。

这本书在我看来适合的三个人群：A. 刚刚具有基础编程知识的学生 B. 如我刚毕业的情况，不是希望进入数据挖掘领域，只是要急着做完一个项目 C. 大多数的产品经理。

最后说数学公式，大多数人对这本书的赞誉莫过于本书没有复杂难懂的数学公式，Talk is cheap , Show me the code，是被很多程序员尊为“圣经”的一句话，其实对于数据挖掘理论恰恰却是Code is cheap , Show me the method。然后数学作为一种奇妙的语言，可以把很多晦涩的理论通过一些巧妙的数学符号给表示出来，而代码往往做的是把这些优美的数学公式用if , for给打乱。正如我之前一次所说，把数学公式反映成代码非常简单，但是把代码给还原成数学公式简直就是让人抓狂的事情。所以我以前尝试过一个系列，叫做“白话数据挖掘”，里面希望不用一个数学公式把我理解的数据挖掘算法讲给所有人听，但是后来发现这个事情是不现实的，因为代码比公式要难懂，冗余的多。

另外，作为算法工程师，如果只是会盲从地遵从paper去套用他人的算法，而没办法对其算法进行一个从头至尾的理解，这个学术上的算法往往也是无法应用于工程化实践的。

所以，如果你真的热爱数据挖掘，热爱算法领域，集体智慧编程可以成为你的第一本书，但是不要花费太多的时间，把更多的时间留给数学，留给那些每篇都有着“晦涩”的数学公式的大块头把。