李航新书《机器学习方法（第2版）》发布，强化学习独立成篇，构建完整AI学习框架。
原文标题：打磨7年，李航新书《机器学习方法（第2版）》发布，有了强化学习，赠书20本
原文作者：机器之心
冷月清谈：
全书构建了一个完整的机器学习知识体系，分为四大核心部分：监督学习、无监督学习、深度学习和强化学习。每个部分都深入讲解了各自领域的核心方法，如监督学习中的支持向量机、提升方法；无监督学习中的聚类、EM算法；深度学习中的Transformer、扩散模型；以及强化学习中的马尔可夫决策过程、深度 Q 网络等。
除了新增强化学习篇章，本书还对监督学习与无监督学习的现有内容进行了大幅修订与优化，增加了线性回归等方法，并删除了部分不再常用的技术，确保内容的实效性和实用性。作者注重从具体例子入手，结合严谨的数学推导，帮助读者深入理解原理。书中还配备了习题与参考文献，方便巩固学习和进一步探索。
《机器学习方法（第2版）》主要定位为大学教材、辅助读物以及专业人员的参考书，要求读者具备微积分、线性代数、概率统计和计算机科学基础知识。这本书旨在对最基础、最常用的技术进行透彻讲解。作者李航博士是ACM、ACL、IEEE Fellow，在自然语言处理、信息检索、机器学习等领域有深厚造诣。文章最后提到了20本赠书活动。
怜星夜思：
2、《机器学习方法（第2版）》涵盖了监督、无监督、深度学习和强化学习四大分支，知识量这么大，对于想系统学习AI的朋友们，你们觉得应该按照什么顺序来学习这些内容比较高效？是先打好传统基础再进阶深度和强化，还是有其他更推荐的路径呢？
3、李航老师这本书从2018年开始打磨，历时7年才完成最终版，期间还删改了一些‘不常用’的技术。大家觉得在AI技术飞速发展的当下，一本机器学习教材的‘寿命’大概有多长？我们应该如何平衡学习基础理论和追逐最新技术呢？
原文内容
机器之心编辑部
每个领域的发展，都离不开几本奠定基础的经典书籍，人工智能亦是如此。
此前，李航老师的《统计学习方法》《统计学习方法（第 2 版）》可以说是机器学习宝典，很多学生、老师都将此书奉为必读书籍。
然而，随着 AI 技术的快速发展，特别是深度学习的飞跃式进展，一本仅覆盖传统机器学习的教材，已无法全面反映当前机器学习技术的全貌。
因此，李航老师在前两版的基础上，又推出了《机器学习方法》，新增深度学习内容。
而近期，AI 圈对于强化学习的关注也在迅速升温。从大模型与智能体的融合尝试，到强化学习在游戏、机器人控制、决策优化中的广泛应用，这一方向再次成为焦点。然而，此前许多教材对此涉及较少，甚至完全缺席，导致很多人无法系统学习。
现在这个问题也解决了。李航老师全新上线新书《机器学习方法（第 2 版）》，将强化学习独立成篇，系统介绍了强化学习的基本框架与代表算法，包括马尔可夫决策过程、多臂老虎机问题、深度 Q 网络等。
全书共分为 4 篇（ 或 4 册），对应监督学习、无监督学习、深度学习和强化学习 4 个主要分支。
至此，《机器学习方法（第 2 版）》构建起了一个覆盖监督学习、无监督学习、深度学习与强化学习的完整知识框架，为希望系统学习 AI 的读者提供了由浅入深、循序渐进的学习路径。
-
第 1 篇：介绍监督学习的主要方法，包括线性回归、感知机、支持向量机、最大熵模型与逻辑斯谛回归、提升方法、隐马尔可夫模型和条件随机场等。
-
第 2 篇：介绍无监督学习的主要方法，包括聚类、奇异值分解、主成分分析、马尔可夫链蒙特卡罗法、EM 算法、潜在语义分析、潜在狄利克雷分配等。
-
第 3 篇：介绍深度学习的主要方法，包括前馈神经网络、卷积神经网络、循环神经网络、Transformer、扩散模型、生成对抗模型等。
-
第 4 篇：介绍强化学习的主要方法，包括马尔可夫决策、多臂老虎机、近端策略优化、深度 Q 网络等。
《机器学习方法（第 2 版）》第 4 篇部分目录
除了新增篇章，《机器学习方法（第 2 版）》还增加了若干监督学习方法，如线性回归；基于读者的反馈，新书对监督学习的大部分内容和无监督学习的少部分内容做了大幅修改，删除了一部分目前已不常用的技术，如部分机器学习优化算法。
书中每章会介绍一两种机器学习方法，详细叙述各个方法的模型、策略和算法。从具体例子入手，由浅入深，帮助读者直观地理解基本思路，同时从理论角度出发，给出严格的数学推导，严谨翔实，让读者更好地掌握基本原理和概念。
《机器学习方法（第 2 版）》第 4 篇部分内容，可以看出有公式，有图表，非常适合当教材。
为满足读者进一步学习的需要，书中还对各个方法的要点进行了总结，给出了一些习题，并列出了主要参考文献。
习题示例，利于读者巩固知识
进一步的，为了增加可读性，整本书中尽量统一了符号用法；修改了大大小小几十处错误；重新绘制了几乎所有的插图。
本书主要定位为大学教材或辅助读物，以及专业人员的参考书。假设读者已具备一定的微积分、线性代数、概率统计和计算机科学知识。本书并不试图涵盖所有内容，而是希望对最基本、最常用的技术进行透彻的讲解和分析，帮助读者学习和掌握。
李航老师表示，该书从 2018 年开始写作，中间历经 2022 年出版的《机器学习方法》第 1 版（增加了深度学习内容），至 2024 年 12 月完成《机器学习方法（第 2 版）》，历经 7 年时间，按照李航老师最初写作《统计学习方法》时的规划，完成了最终版。
作者介绍
李航，ACM Fellow，ACL Fellow，IEEE Fellow。京都大学毕业，东京大学博士。曾就职于 NEC 公司中央研究所、微软亚洲研究院、华为诺亚方舟实验室，目前在字节跳动 Seed 部门工作。主要研究方向为自然语言处理、信息检索、机器学习、数据挖掘。
最后，还有个好消息，李航老师的《机器学习方法（第 2 版）》将限量免费赠送 20 本。
我们将从留言中选取 20 位点赞数最高的读者，把这本书送到你手中。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com