文章核心观点 - 李航老师推出了新版教材《机器学习方法（第2版）》，旨在构建一个覆盖监督学习、无监督学习、深度学习与强化学习的完整知识框架，以反映当前机器学习技术的全貌[4][5] - 新版教材是对其经典著作《统计学习方法》系列的全面更新和扩展，新增了深度学习和强化学习等关键内容，以解决现有教材内容滞后于技术快速发展的问题[3][4] - 该书定位为大学教材、辅助读物或专业人员的参考书，历时7年完成，标志着作者最初写作规划的最终版[22] 书籍内容与结构 - 全书共分为4篇，分别对应监督学习、无监督学习、深度学习和强化学习四个主要分支[5] - 第1篇监督学习介绍了线性回归、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方法[7] - 第2篇无监督学习介绍了聚类、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方法[8] - 第3篇深度学习介绍了前馈神经网络、卷积神经网络、循环神经网络、Transformer、扩散模型、生成对抗模型等方法[9] - 第4篇强化学习是新增且独立成篇的内容，系统介绍了马尔可夫决策过程、多臂老虎机、近端策略优化、深度Q网络等方法[4][10] 书籍特点与更新 - 新版教材不仅新增了强化学习篇章，还增加了若干监督学习方法（如线性回归），并根据读者反馈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[11] - 书中删除了部分目前已不常用的技术，如部分机器学习优化算法[11] - 每章详细介绍一两种机器学习方法，从具体例子入手，并由浅入深地给出严格的数学推导，以帮助读者直观理解基本思路并掌握基本原理[12] - 书中包含公式和图表，适合作为教材，并为满足进一步学习需要，总结了方法要点、提供了习题并列出主要参考文献[18][19] - 全书统一了符号用法，修改了几十处错误，并重新绘制了几乎所有的插图，以增加可读性[21] 作者与背景 - 作者李航是ACM Fellow、ACL Fellow和IEEE Fellow，拥有京都大学和东京大学的学术背景，并曾任职于NEC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[24] - 其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[24] - 该书从2018年开始写作，历经2022年出版的第1版（增加了深度学习内容），至2024年12月完成第2版，总计历时7年[22]