1.7閱讀材料
 　　 [Mitchell，1997]是第一本機器學習專門性教材，[Duda et a1．，2001; Al-paydin，2004; Flach，2012]都是出色的入門讀物．[Hastie et a1．，2009]是很好的進階讀物，[Bishop，2006】也很有參考價值，尤其適合于貝葉斯學習偏好者．fShalev-Shwartz and Ben-David，2014]則適合于理論偏好者．[Witten et a1．，20111是基于WEKA撰寫的入門讀物，有助于初學者通過WEKA實踐快速掌握常用機器學習算法，本書1.5和1.6節(jié)主要取材于闊志華，2007l.《機器學習：一種人工智能途徑》[Michalski et a1．，1983]匯集了20位學者撰寫的16篇文章，是機器學習早期最重要的文獻．該書出版后產(chǎn)生了很大反響，Morgan Kaufmann出版社后來分別于1986年和1990年出版了該書的續(xù)篇，編為第二卷和第三卷，《人工智能手冊》系列是圖靈獎得主E．A. Feigenbaum與不同學者合作編寫而成，該書第三卷[Cohen and Feigenbaum，1983]對機器學習進行了討論，是機器學習早期的重要文獻．[Dietterich，1997]對機器學習領(lǐng)域的發(fā)展進行了評述和展望，早期的很多文獻在今天仍值得重視，一些閃光的思想在相關(guān)技術(shù)進步后可能煥發(fā)新的活力，例如近來流行的“遷移學習”(transfer learning)[Pan and Yang，2010]，恰似“類比學習”(learning by analogy)在統(tǒng)計學習技術(shù)大發(fā)展后的升級版；紅極一時的“深度學習”(deep learning)在思想上并未顯著超越二十世深度學習參見5.6節(jié)．