理解机器学习

机器学习包含的内容非常多，不但涉及多学科融合，还包括各式各样的算法。我一直在探索“最优”的机器学习学习路径，但最后发现最好的学习方法仍然逃脱不了“理论->实践”的魔咒。或许你是刚入行的自学者，亦或是有多年数据挖掘/机器学习/深度学习经验的从业者，如果你的学习或工作遇到了技术上的瓶颈，我建议还是从理论基础入手，挤出时间把基础打牢，正所谓磨刀不误砍柴工。

市面上常见的机器学习理论书籍，最著名的应该是PRML(Pattern Recognition and Machine Learning)，这本书绝对是贝叶斯学派必读的书，我建议每个人都至少把第一章细读几遍。今天要说的这本书是《Understanding Machine Learning: From Theory to Algorithms》，前一阵要弄懂某个概念，不断的翻阅各种资料，从文档里翻出了这本书，没想到，简直停不下来！作者用不多的公式将散落的机器学习概念全都串联起来，很过瘾。