机器学习、数据挖掘、模式识别的统计学观点

这个简单的书评只是我个人的观点，所以我觉得先了解一下我的背景是有帮助的：本科计算机，数学功底尚可，研究生方向机器学习、数据挖掘相关应用研究。

缺点：
1，阅读此书前，读者需要具备基本的统计学知识，所以书的内容并不“基础”。
2，书中很少涉及到公式推导，细节并不是很多。
3，对于那些想要做机器学习、数据挖掘相关应用的人来说，书中的部分内容过于“统计”，比如basis expansion和spline等。
4，部分内容介绍并不详细，例如neural network，也并没有介绍图模型相关内容。

优点：
1， 机器学习本身很多内容直接来自统计学，如回归和分类模型，所以了解这些内容在统计学中是如何表达的，尤其是较为精确的数学表达，将会非常有帮助。
2， 书中有很多作者自己的总结，也有新观点，例如第10章中“Off-the-Shelf Procedures for Data Mining”，这在其他书中比较少见。
3，关于tree和boosting的介绍非常详细，横跨第9章和第10章。可能跟这部分内容是作者的研究领域有关。

就像标题里说的，本书只是提供了机器学习、数据挖掘、模式识别等领域的统计学观点，所以还是建议继续阅读其他的相关书籍，以期达到融会贯通。
共勉。