@
swordspoet …… 其实无数遍是夸张了，我也就翻过一两遍。
我初次看《统计学习方法》之前的状态是没上过什么课。
后来我上了本科的一些课，知道了个大概，这时候看《统计学习方法》，还是没个头绪。《统计学习方法》给我的感觉是它章节之间割裂太严重，没有穿插整本书的写作思路和哲学观，只是教给你一些零碎的算法（和公式），不能给你建立机器学习的思考方式。
这时候我听说 PRML，打算看，在第二章被劝退了。
后来我补了一年的概率论、微积分、线性代数、最优化方法和基础泛函（泛函学得最差，只知道了一些概念，没领会精髓），拿起《 Deep Learning 》这本书看。看了几个月，受益匪浅。这本书把 Deep Learning 的很多思考方法与哲学解释都讲了一遍，不单是数学。
再后来我才拿起来 PRML，这回终于不再劝退了。相距第一次拿起来已经过去了一年，终于能看懂了。
这回 PRML 看了之后收获简直巨大，把 Deep Learning 这本书没看懂的一些章节也搞懂了（比如 Variational Approximation 相关章节、EM 算法在 KL-divergence 下面的理解等）。
- - - -
我说《统计机器学习》是渣渣可能过了，但是我觉得它的写作思路在《 Deep Learning 》和 PRML 的对比下确实差了一个档次。《统计机器学习》有其形而无其意，可替代性非常高。但是 Deep Learning 和 PRML 是形神具备，确实是经典之作。