统计学习理论的本质

这本书最值得玩味的地方，不在它讲清了什么，而在它如何彻底推翻了你熟悉的统计学范式。传统统计学习建立在Fisher大样本理论之上，而Vapnik偏偏从'小样本'这个被长期忽视的角落切入，重新回答'凭什么我们能从有限观测中预测未知'这一根本问题。读者反复提及的'经验风险最小化原则'不再是理所当然的公理，而成了一个需要被严格审视的对象。它几乎不涉及任何具体分类器，而是把'学习'抽象成一个基于经验数据的函数估计问题，用容量的控制换取推广能力的保证。因此它适合的不是想快速上手SVM的人，而是愿意花十几天、跳过大量证明仍想'廓然一心'理解学习理论底层逻辑的读者。理论性极强、老派、劝退，却也正因如此，成为奠基之作。