为什么“蜥蜴书”是机器学习入门必读书？

导读：懂行人都知道，这本“蜥蜴书”江湖地位有多高。这本书曾经点燃了无数人学习AI的热情！很多大佬都把这本书列为AI工程师的必读书。我们一起看看这本书该怎么读。

作者：木羊同学 

来源：华章计算机（hzbook_jsj）

现在机器学习很热，大家都想学习机器学习，可是看哪本书呢？时间宝贵，肯定得选经典的“必读书”。所以，现在网上到处都是“机器学习必读书单”。我看过很多个版本的书单，总感觉差点意思。怎么说呢，我见到的大部分书单，里面的书确实都挺好，也都是业内公认的经典，确实值得一读。不过，现在有一个大家都很爱争论的话题：给初学者推荐经典到底是好还是不好？

就拿机器学习来说吧，机器学习是无论在理论、技术还是应用方面都是“大型跨界话题”，大家都叫“机器学习”，但在同一面旗帜下，每一个方向对知识都有不同的侧重，有时甚至可能差异很大。这就可能导致一个问题：某一个方向的经典书籍，可能在另一个方向看来就有点跑偏，让人产生“只见树木不森林”的感觉。

对于初学者来说，另一个问题可能更为严重。我们看书，肯定都想着由浅入深、由易到难，循序渐进地学习下去——先夯实脚下基础，再考虑飞天绝技。但是呢，很多水平很高的作者都很难免俗，多少有点偶像包袱，总想把书写出水平来。这当然是好事，不过这就导致了一个结果，有相当部分的书，单从书的内容本身来，说确实是好书，思想水平很高，确实“经典必读”。但很多时候，为了内容显得不那么拖沓，这些书的作者都作了一个假设——假设读者对机器学习已经有了基本的了解，最好还有相当的实践经验。所以，作者把一些基础内容，尤其是初学者最为关注的“入门必踩坑”给省略过去了。作为读者，如果你不了解其中省略部分的内容，自然就会读得磕磕碰碰，有一种上下文衔接不上的突兀感。这就是为什么很多人并不建议初学者上来就读经典，认为这些站得太高的经典反而容易给初学者留下“不很友好”的感觉。

实战入门典范：蜥蜴书——《机器学习实战》

那么，有没有从初学者角度写作的经典教材呢？有的。

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow：原书第2版》（以下简称“蜥蜴书”），是机器学习领域非常有名的一本书。由于书的封面画着一只蜥蜴目的动物，所以有人按照动物书的习俗，把它称为“蜥蜴书”。当然了，生物学上的蜥蜴目家大业大，样子也都长得差不多，你管这只动物叫壁虎或者守宫，我想应该也没什么问题，我自己就更喜欢把这本书称为“壁虎书”。

这本书成名很早，很有名，有名到了什么地步呢？记得有段时期，我找了五六个版本的“机器学习必读书单”来看，每个书单里都有“蜥蜴书”，真的是“卷卷有爷名”。所以，大家给了它一个相当有意思的称号—— “机器学习四大名著”之一。

为什么这本书这么经典，让大家纷纷推荐呢？

说实话，这是个很难回答的问题。觉得“蜥蜴书”是好书的人很多。不过，一千个人眼里就有一千个哈姆雷特，我想大家应该都有自己喜爱这本书的理由。就我的个人观感来说，答案就写在书名上。

《机器学习实战》是中译版的书名，原版书名为《Hands-On Machine Learning with Scikit-Learn,Keras&TensorFlow》，“Hands-On”不妨直接翻译为“上手”，这是一个比较特别的视角，也是我觉得这本书特别适合初学者阅读的一个地方。机器学习的书大致可以分为两类，一类偏重理论介绍，翻开都是各种数学公式、定理和证明，机器学习如果给你一种很难学也很难用的感觉，应该就是因为先看了这些书。另一类则偏重应用工具的介绍，机器学习最终是需要编程才能发挥作用的，也有许多成熟的开发框架，而这类书就是介绍这些框架的使用方法，虽然也爱自称“实战”，不过翻开往往都是API、说明文档和代码，让你又觉得机器学习好像也没什么特别，像是一种新的编程技术。

“蜥蜴书”属于哪种呢？也许你会觉得属于第二种，其实还是有很大区别。很多人都说，这本书好就好在结构清晰、解释清楚，更重要的是ÿ