主题：【原创】抛砖！模式识别和机器学习、数据挖掘的区别与联系 -- 永远的幻想

这次先贴两本离题稍远点的，作为开阔知识来用的参考书。

《Artificial Intelligence:A Modern Approach》

中文版：

影印版1（人邮）：

影印版2（清华）：

英文原版：

中文 和2种影印都是原书第2版，02年出的，两种影印我比较过内容没区别，但是清华的纸质稍好，但价格贵好多。

中文和人邮的影印图书馆好找，但是市面上好像木有了。

现在原版是09年底刚出的第3版了。但看书评，好像变化不是特别大，有些有第2版的人觉得亏了。

优点：

1.涉及面特别广。从走棋的算法，到语义逻辑分析，到智能系统……并不局限于概率统计类的方法，无所不包。

2.很多AI方面的历史人物和典故。从莱布尼茨时代的机械计算机器，到图灵，到50 60年代某人第一次写了个啥算法。怎么说呢，当故事书看也行了。

3. 叙述比较清楚。

问题：

1. 有点散。各个章节之间有时联系不是那么大，其实为了做到包罗万象，散是难免的。

2. Introduction 而非 Reference。所以指望看这个书完了去照着写算法，就别想了。

3.第2版里没涉及支持向量机(Support Vetor Machine SVM)。这个即使作为02年出的书也不应该了。不过现在SVM基本是大路货了，到处都是（SVM有点走当年神经网络最后烂大街，无人问津的趋势）。

4.太厚，快速翻阅即可。中文700多页，英文1100多页。因为毕竟大家有各自专业背景，所以挑前几章+自己相关领域的章节，浏览即可，其他当故事书看，就当做专业英语的阅读资料吧。

总之，适合没接触过的这方面的人入门用。但是个人感觉一个是有点散，一个是概念太多，没有突出概率统计。感觉很容易迷路似的，所以第一本没推荐这个。但N多学校都用这个做教材，不是没道理的。

《Nonlinear Time Series: Nonparametric and Parametric Methods》

中文版：

影印版：

英文原版：

这本两个中国牛人写的。范剑青、姚奇伟

这本虽然专讲时间序列，但是觉得自动化之类工科出身的人往机器学习数据挖掘方面转的话，这样一本由数学家写的数学味浓一些的书还是很有必要的。特别是中国人写的，所以在大牛在国内的时候，还有机会当面请教。

优点：

1.背景知识适合自动化、通信这些专业的。一般电子类的都会学点现代数字信号处理比如Wiener最佳滤波，Kalman滤波之类，已经了解ARMA模型了，这样看这个书可以了解这些方法的发展和引申。虽然不见得以后真的去做金融之类，但是用自己熟悉的背景知识去入门，总比两眼一抹黑钻进去强。其实“在工言工”，看成是在讲高级滤波算法的话，能不能用在控制系统里呢？反正俺那本已经被搞控制的同学借去鸟。

2.图表例子多，程序提供下载。虽然是S-plus/R写的，可能工科的没接触过R，但是很容易上手。

3.数学味，不解释。

问题：

1.领域比较专门。主要适合经济数据，金融数据这些。当然书里也举了生态学上的例子。

2.比较难懂。一个是数学味，一个是很少分析算法细节，公式推导都比较简略，要配合参考文献和程序。

但是之所以推荐这本，倒不是说里面讲到的那些方法。而是想：

1．介绍两位中国牛人，有机会见到可以请教。

2．通过这书里的例子，了解点R语言。开源的数学软件，是数学家用的，上面有很多最新的ML算法。假如你早已熟悉了工程味的MATLAB，现在可以体味一下R简化的都是哪些地方？在思路和实践上，都要习惯不断切换工科和理科两种方式。试试理科的工具，也就能多找找感觉。

3．要适应数学家的表达。毕竟这个领域的算法都是人家提出来的，看论文基本就是在膜拜统计学家了。通过这个也体会一下同样是ARMA模型，理科是怎么思考的。不要再满足于当初学信号处理的时候，好像学了个Levinson-Durbin，Kalman递推公式就万事大吉。