2012.12.21 - 《机器学习》（Tom M.Mitchel）

今天佳伟买了本＜机器学习＞，Tom M.Mitchell写的那本，我拿来翻了翻，在引入的例子中他说道＂目前多数机器学习都依赖于样例与测试样例分布一致这一假设＂，而我觉得，一个健全的学习 体制，是应该从一些其他领域的规律中学习经验的，也就是说应该有利用比喻来预测的能力。看着看着觉得：

 

1、 当代高水平的人描述问题用的都是离散数学标准符号啊，比如说定义的时候他不说定义什么什么当什么什么且什么什么其中什么什么，而使用的数理逻辑中的蕴含， 然后用括号来区分层次结构，当且仅当用的是三层的等号。定义一些概念的时候用的也都是机和论通用语言这就更不用说了。

 

2、机器学习这东西，至少说传统机器学习还是很有离散数学味道的，因为他在描述假设之间的一般与特殊的关系的时候用的是图论的偏序来描述的，这样一来很方便的画出了FIND-S算法的演绎过程，很清楚地看到了这个算法的运行原理。

 

不过这本书确实够老的，讲的还是基于搜索的机器学习呢，看人了他的参考文献醉心也就1996年，估计成文时间也就这个时候，上世纪90年代末期吧。

 

晚上看微博，中秋评论了一条微博：＂挣钱才是王道啊，可惜还是没赶上好时候＂ 我躲着的看法是：＂有个故事说，一个老师向学生演示，为了把瓶子填满，依次此往里放了大石头，小石块，沙子，水。这个故事同时也说明，大的石块一定要先放 在瓶子里，否则以后再也没机会了。趁年轻，赚钱压力没那么大，否则以后再想学这些就没那么大空间了。会投资嘛，眼光长远一点，我们还要摸爬滚打很多年呢。＂