机器学习、模式识别、知识发现、数据挖掘等的书评

【数字书评】机器学习、模式识别、知识发现、数据挖掘等的书评（一）来源： 肖寒的日志

你可能看到了标题以为我要推荐四个方面的书，但很遗憾的告诉你，这四个方面都是一回事，讲的内容都是那些；个别领域有自己的一点独特内容罢了，所以我今天就我看过的学习理论的书来个书评好了。

PS：这是作者自己的看法，不代表真实情况，不喜勿喷；每个人看法都不同，没必要要别人和你有相同的看法。你要是觉得不对，可以自己写个书评啦。

一、现代模式识别

这本书是我读学习理论的第一本书，经典无误，可以说是模式识别类的圣经教材。

优点：这本书涵盖的范围很广，几乎囊括所有的常见的经典学习理论；然而有轻有重，对一些非主流方法只是略有介绍，重点还是常用的学习算法。

缺点：这本书如果说是一本数学书的话也不过分，数学不好的同学可以暂时退散了；还有本书对聚类算法讲解的甚少。

适合：本书适合数学较好的，希望入门学习理论的孩子。



二、模式分类（Duda）

这本书是公认的模式识别的圣书，内容相对比较简单，但是部分习题难度很大（可能需要非线性泛函的内容）。

优点：内容安排由浅入深，适合初学者学习；习题难度大体适中，而且很有启发性。

缺点：这本书的优点是适合初学者，缺点也是如此；内容的难度偏低广度偏少。

适合：适合想学习模式识别、但没有太多基础的孩子。



三、模式识别（希腊人写的）

这本书对聚类算法有非常独到的研究，并且大部分都在讲聚类算法。

我看过这本书的中文版和英文版，觉得特别的不错，个别地方能用简单的推导和显而易见的事实进行说明，十分容易理解。

优点：聚类算法讲解的十分有特色、相比十分的全面；内容风趣、能用简单的公式和显见的事实说明白问题，可以说是“深入浅出”。

缺点：就是过分的偏重聚类分析了。使其他形式的学习算法内容偏少，特别对SVM的解释更少，所以想要了解分类算法的孩子还是不要看这本书了。

适合：想要看聚类算法的孩子、喜欢“深入浅出”讲解的孩子。



四、模式识别原理方法及应用

这本书我只看过一遍，觉得还可以， 但是内容偏少，可以作为以上数目的参考书目。

适合：适合作为主要教程的参考书目。



五、模式识别（边肇祺）

这本书，在国内算是相当的出名了，网上还能找到这本书的非官方习题解答。

这本书没什么显然的优点和缺点，就是一本正规的教材，没准你们上课时还能用上呢。=v=

适合：因为是很多学校的教材吧，所以适合应付考试的孩子。



六、图像模式识别——VC++技术实现。

其实，学习理论的书大都很抽象，而往往我们要动手进行实践的时候却无所适从。

看到这本书你是否眼前一亮呢？

可惜的是，这本书里面的代码基本上就是最简单的分类器的代码；与说有编码的重用性，到不如说这代码完全不可用。说实话，我点击光盘里面的例子，一个都没识别对。。。T-T 所以之后我才自己想要动手写一个学习算法的类库呢。

适合：被骗的人。



七、模式识别中核方法的应用

尼玛呀，这本书买错了；我本想买的是“模式分析中核方法的应用”，没想到买回来的是这本，T-T 哭瞎了。

不过这本书也不错，这本书侧重于用核方法来解决数据预处理的问题，对于之后的分类介绍的甚少。

实验结果很明了，还算是一本好书。

适合：对核方法有一定了解，想知道如何用核方法进行数据预处理的孩子。



八、机器学习（Mitchell）

这本书可以算是机器学习界的老大了吧（个人看法），因为我们实验室要和mitchell的实验室有联合项目，所以我又看了一遍这本书。

这本书和模式识别有的不同在于，机器学习侧重于离散学习问题，而模式识别基本上都侧重于连续的特征的学习。所以说，就算是方法一样，侧重也有不同，还是需要看一下的。

优点：结构安排很合理，能把枯燥的统计学习理论（VC维那些）讲解的十分的明了。

缺点：后面的部分章节需要人工智能中推理的知识；还有就是本书内容比较浅，不适合深入学习使用。

适合：喜欢数据挖掘的孩子不容错过的入门经典。



九、机器学习导论

你可能对称为导论的书有所忌惮。但很高兴的告诉你，这本书还算简单。

这本书的内容可以说比较广泛，一般该有的学习算法都囊括其中；

但300页的小薄册子的限制，每种学习算法讲解都相当的粗浅。

所以适合想学习机器学习但又苦于没有基础的孩子。



十、数据挖掘实用学习技术。

亲，你通过weka么？就是一个机器学习的java类库。

亲，如果你没听过的话，这本书第三部分就会详细的引领你进入weka世界。

亲，这本书的理论知识不多，讲解也比较粗浅。但是后面有weka的实践哟。

亲，喜欢实践的你，不容错过哟。



十一、神经网络与机器学习

这本书，如果我没记错的话，超级的贵，好像得90+吧。

本书的内容主要是从神经网络这个角度窥视整个机器学习领域，可以说是一本相当不错的书（圣书级别的）。

但是，本书需要很高的数学基础（你知道自伴算子和Green函数么？你知道Hibert几何学么？你知道框架和线性算子理论么？不知道的还是退散一下吧 T-T）。

除了十分高的数学基础外，本书还要有很大的耐心，因为即便是数学上的障碍扫除了，还有很多各种奇怪的东西。

难度很大哟，收获也很大哟。



十二、机器学习方法

一本很平淡的书，貌似偶尔还能在书中看到一些别的书的图，不解释。

这本书对很多理论的阐述一知半解，我个人看法不算一本太好的书。



书评一暂时到此，如果每篇12本的话，可能还需要5、6篇日志，希望大家捧捧场。。。

我会继续的YY的。