在算法的骨骼里,重新理解智能的来处
2026-10-19 | 书评:《经典机器学习核心技术》
<p>翻开《经典机器学习核心技术》的那几天,我恰好处在一种对「AI」这个词既迷恋又疲惫的状态。市面上太多书都在追逐大模型的浪潮,仿佛不写 Transformer、不讲 RAG 就是落伍。但 Simmons 这本书选择了一种更沉静的姿态——它把目光从喧嚣的应用层收回,重新打量那些支撑整个领域的基础骨架:线性回归、决策树、SVM、聚类、降维……这些名字我们在面试里倒背如流,却很少停下来问一句:它们为什么是这样工作的?</p><p>这本书最打动我的,是它从不急于给出答案。每一章都像是一次慢火炖煮的过程,从直觉引入,再到数学推导,最后才是代码落地。读 Support Vector Machine 那一章时,我原本以为又要经历一遍核函数变换的枯燥,没想到作者用「寻找最宽街道」这个比喻,让我突然明白了最大间隔的本质——原来优化问题可以如此有画面感。</p><p>我有一个习惯,读技术书时会对照着敲代码。这本书的代码风格很克制,没有花哨的封装,每一步都暴露出来。就是在这些看似多余的 print 和可视化里,我才真正理解了一个算法「卡住」的地方在哪里。比如 K-Means 的初始中心点敏感性问题,书上写得很简略,但我自己加了几组实验之后,才第一次真正意识到数据分布形状对结果的决定性影响。</p><p>作为从业者,这些年见过太多人把机器学习当成调参工具。这本书像一记冷水,提醒我重新审视自己的根基。Simmons 写这本书时显然有一个明确的选择:他相信,理解本质比追赶趋势更重要。在这个模型一天一个小更新的行业里,这种笃定反而显得奢侈。</p><p>我不太确定这本书是否适合每一位想快速上手的读者,但它一定适合那些愿意慢下来的人。合上书的最后一夜,我在笔记本上写了一句话:算法不会过时,过时的只是我们看待它的方式。</p>
更多读书感悟