统计学习理论

这不是一本可以'读'的书，而是一台需要'拆解'的机器。作为支持向量机背后的理论奠基之作，它不教你调包、不给你公式速查表，而是从头追问一个根本问题：机器凭什么能从有限样本'推广'到未见过的数据？作者将学习视为一个不适定问题，用结构风险最小化在'拟合能力'与'推广能力'之间建立精确的数学权衡。读者反馈高度两极：有人读后'廓然一心'，惊叹其证明体系的对称与完美；更多人卡在矩阵运算与跳过式证明里，甚至建议'英文原版更好'。它适合那些不满足于'怎么用'、而想弄清'为什么能'的人——无论你是想夯实SVM理论根基的研究者，还是愿意为清晰思路付出十余天啃读成本的爱好者。