2018/6/6
最近在看机器学习方面的书籍，很多声音认为李航的《统计学习》非常适合新手。一开始看第一章对符号，概念的定义，认为确实很清晰，比周志华的书，在符号，概念，假设的介绍方面清晰多了。无奈这种好感也持续不了多久，看着看着，感觉某些知识点的描述尽是一堆新的术语和概念，公式，看到都怀疑自己是不是蠢到家了，怎么看没共鸣。话说，我的需求并不是领教学术的严谨呀，我只想深刻地掌握某个工具起源，所要解决的问题，以及背后的思想，所体现的本质，做到能够用的时候清清楚楚，而不是一知半解，不小心就班门弄斧那种。
就拿看到的K邻近算法来说，它要解决的问题是，当实例点的维度高的时候，如何找到离该点最近的点。KD树是一个工具，但李航在介绍KD树的时候，只讲KD树本身的实现过程，但在KD树的坐标轴选择时，为何要根据 l=j mod k+1这样的规则进行选择？这样的规则又如何确保划分后，相近的点能在同一棵子树上？对于这些为什么的问题，介绍得并不清晰。当然不能只知道是什么，而不知道为什么。以关键字“KD邻近法 KD树”在网上查询，确实找到了一篇讲解清晰的博文。
由此可见，不能迷信任何一本书，也不能将希望寄托于任何一位专家，任何一种主流推荐。死磕一本书，想要了解清楚里面每句话或者每个知识点都是不可取的。但，将书作为线索，去寻找更多的角度，更多的声音，这个则是可取的。这样更能让人对某个概念有更深刻的理解。