豆瓣
扫码直接下载
绝对不适合初学者。在理解了书所涉及的算法后，可以读本书。“事儿就这么个事儿，不解释”的范，典型的中式思维，精于总结而不精于解释。有点在于比其它谭浩强类计算机书认真点，每一章都会有论文的出处，可以自己去查。总之，适合回首往事，不适合一见钟情。
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。
对见过这些算法又不太了解理论的童鞋比较好，对初学者来说解释的不够，对高手来说就是复习总结了一遍。
比较精简的一本书，感觉是对章节末的论文的重点的完整的整理。扫盲了，接下来看看中文版的“The Elements of Statistical Learning”。
五星。我只说一句话：当你真正用到这本书的时候，你才真正明白这本书有多好。作者是高人，高高山顶立，深深海底行。
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。
典型中国人写的书，可以用来快速了解一个事物是啥，但总觉得缺乏洞见，实例都很naive，不大实用。每章后的文献倒可以仔细阅读。
结构清晰。这一点足以打5分。
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。
花了三个晚上时间，一口气读完了这本书。感叹这本书这么短的篇幅，却能把不少经典模型讲得十分清楚，细致的公式推导，伪代码并附带了例子，真是不错。从某个角度看，这本书像是一本精彩的读书笔记。
唉
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。
讲得很无趣，不过很多算法总结得都很好，看起来更像是一本课堂笔记，方便查阅
选题太窄，基本局限于监督式的分类问题。选讲的方法偏基础，且细节太多所以不太适合初学。不过基于相同的理由，加之结构清晰各章相对独立，很适合复习和应付笔试面试。
《机器学习》转化为假设空间搜索问题。本书将统计学习理解为凸优化，数值计算。但是，背景动机来源少。机器学习有三个组成部分：第一，数据；第二，模型或者估计函数；第三，需要降到最低的成本或损失。机器学习的整个raison detre过程实际上是其运用类似的统计问题来优化损失函数的过程。
略过。
部分讲解连贯性不强，不易理解。
除了是中文这一点之外，没什么其它太大的亮点
: TP181/4424
提纲挈领，的确不错
> 统计学习方法
179 有用 popil1987 2015-03-23 10:17:01
绝对不适合初学者。在理解了书所涉及的算法后，可以读本书。“事儿就这么个事儿，不解释”的范，典型的中式思维，精于总结而不精于解释。有点在于比其它谭浩强类计算机书认真点，每一章都会有论文的出处，可以自己去查。总之，适合回首往事，不适合一见钟情。
51 有用 triStone 2014-01-05 10:55:10
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。
26 有用 剑南 2013-07-19 10:47:41
对见过这些算法又不太了解理论的童鞋比较好，对初学者来说解释的不够，对高手来说就是复习总结了一遍。
14 有用 友邻 2012-06-12 21:57:35
比较精简的一本书，感觉是对章节末的论文的重点的完整的整理。扫盲了，接下来看看中文版的“The Elements of Statistical Learning”。
15 有用 chat_shi 2015-12-21 21:39:19
五星。我只说一句话：当你真正用到这本书的时候，你才真正明白这本书有多好。作者是高人，高高山顶立，深深海底行。
10 有用 谜团 2014-04-03 22:10:19
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。
10 有用 aeroliteminer 2012-11-22 22:39:21
典型中国人写的书，可以用来快速了解一个事物是啥，但总觉得缺乏洞见，实例都很naive，不大实用。每章后的文献倒可以仔细阅读。
6 有用 阿道克 2012-11-04 16:51:18
结构清晰。这一点足以打5分。
7 有用 西风凋碧树 2012-06-02 10:23:05
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。
8 有用 大麦 2012-04-21 00:46:45
花了三个晚上时间，一口气读完了这本书。感叹这本书这么短的篇幅，却能把不少经典模型讲得十分清楚，细致的公式推导，伪代码并附带了例子，真是不错。从某个角度看，这本书像是一本精彩的读书笔记。
4 有用 tomsheep 2013-01-28 23:50:19
唉
3 有用 飞林沙 2012-06-14 13:22:23
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。
4 有用 beren 2015-09-21 00:15:26
讲得很无趣，不过很多算法总结得都很好，看起来更像是一本课堂笔记，方便查阅
2 有用 ◇ 2016-04-10 19:38:52
选题太窄，基本局限于监督式的分类问题。选讲的方法偏基础，且细节太多所以不太适合初学。不过基于相同的理由，加之结构清晰各章相对独立，很适合复习和应付笔试面试。
3 有用 阅微草堂 2017-05-25 10:56:47
《机器学习》转化为假设空间搜索问题。本书将统计学习理解为凸优化，数值计算。但是，背景动机来源少。机器学习有三个组成部分：第一，数据；第二，模型或者估计函数；第三，需要降到最低的成本或损失。机器学习的整个raison detre过程实际上是其运用类似的统计问题来优化损失函数的过程。
2 有用 Azeril 2014-08-18 15:40:20
略过。
2 有用 孔明 2015-09-18 14:39:43
部分讲解连贯性不强，不易理解。
1 有用 jdxyw 2016-06-13 11:40:20
除了是中文这一点之外，没什么其它太大的亮点
1 有用 蝉 2013-11-27 15:36:32
: TP181/4424
1 有用 蓬山远 2017-05-16 16:01:09
提纲挈领，的确不错