目前看到过的，算是最好的“中文”机器学习“教科书”了。

注意，这是一本“教科书”，所以其中有一些“不足”也就好理解了。

书本身没有很厚，看起来不至于压力很大。毕竟是“教科书”，每一章只有短短的几十页，结合课程用来教学是不错，但自学只看这本书估计有点不太够，可以结合coursera上Andrew Ng和林轩田的课来使用，要是这本书早点出就好了，相见恨晚。以前一直想找一本这样脉络比较好的机器学习教材，一直没找到好的。

除了前面提到的经典的公开课，顺带再介绍一些自学材料吧。EM算法“西瓜书”里只有两页，我觉得还是cs229的note讲得比较清楚。神经网络可以参考stanford的UFLDL课程，做做里面的课程实验，加深理解。类别不均衡问题，最近刚跟大牛学了EasyEnsemble这个trick，书里一句话带过，不注意可能就略过去了，这个trick还是挺简单好用的，值得了解一下。LDA可以看看"LDA数学八卦"。

跟其他书比起来，可以说各有侧重，要结合自身情况阅读。经典的PRML打印了一本，因为现在已经上班了，远水解不了近渴，看了一些，然后暂时放边上吃灰了。我这种“实践派”，还不如看sklearn的文档来得实在，毕竟要搬砖赚钱吃饭。真羡慕那些已经“深入学习PRML”的人呐！

把道理本身讲清楚是一方面，把道理讲得让别人容易懂是另一方面。所以就需要“西瓜书”绪论那样的引子和西瓜这种通俗易懂的例子。有人说李航的《统计学习方法》适合入门，我自己刚刚入门的时候倒觉得不好懂，不过后面开始摸着门道之后倒觉得不错，把原理和式子列一列，然后再举个例子，就差不多了。不需要太多“废话”。
反正这些书都是好书，但适合不同的段位和需求的人。有时间的话，多看看，从不同角度加深理解也是极好。