《终极算法》是一本机器学习的普及读物，虽说是普及，但也难度相当大。所以对本书的翻译者来说，人物间距。本书涉及到五大机器学派，每个学派又使用了不同的算法或者流派，比如讲解到生物学、神经网络，那翻译人员就需要知道一些这方面的术语，讲解到力学、电磁等，翻译者又需要理解一些物理术语，而有些概念又跨学科，所以可能读到有些地方会发现，有的概念和其他同类书的翻译概念有所区别。比如在类推派别中，感觉类推、类比就使用的比较混杂，可能我阅读能力有限，也是看得云山雾罩。
本书将机器学习分门别类，这让读者在学习机器学习时有了很高的视野，比如符号学派、进化学派、贝叶斯学派、类推学派、联结学派，这些我们知之甚少，还有监督学习和无监督学习这些方式，我们也一知半解。本书的最大特色，就是将每种学派的发展、算法、概念都试图讲解的平易近人，这挺好的，因为技术或者说数学都比较难，我一看公式都快速略过，自认为实在没这个脑子，所以本书讲解到一些算法时，虽然用了很多通俗的概念，比如约会中女孩是否答应约会的概率，来讲解概率，我基本上看懂了，又好似没有完全明白，所以说，这本书对我来说，阅读的真是很困难。
不过我还是坚持读完了，也许你问我K近邻算法，我还知道了为什么叫它近邻算法，还知道了它可能应用在社交网络中，虽然我了解的不彻底，但等我多看几本后，也许就彻底了。
本书反驳了很多人关于机器学习是否有终极算法、机器学习是否比人类更智能的一些观点，并用自己的论据去反驳，引导读者更深入地思考机器学习能为我们带来什么，当我们已经没有隐私时，我们该怎么办？比如将关键内容开源，这样所有人都能利用，不要让高级技术掌握在坏人手里，未来的民主和专政也许就看谁掌握了机器学习，谁掌握了数据。
本书非常值得推荐，作者的机器学习功底深厚，对机器学习的历史、发展都讲解的很详细，我想作为入门机器学习的第一本书，也许太值得推荐了。
推荐指数*****
还是摘抄几句：
1.算法时归纳的过程
2.科学理论的强大之处在于它简化了我们对世界的描述
3.解决不适定问题的唯一办法就是引入附加的假设——这个不适定可能是不确定
4.学习就意味着将细节遗忘，值记住重要部分
5.全力奔跑，这样你才能留在原地——哲学啊，不前进就是后退啊。
6.学习只是另外一种问题的解决方式
7.机器学习既是科学，也是技术
8.无法自动化的行业越来越少，但报酬却越来越高——这是我看本书的目的，未来还能做什么
9.算法的三个组成部分：表示方法、评估、优化
10.机器学习最大的好处也不在于机器学习了什么，而在于通过教授这些机器，我们学会了什么？——作者真的是思想家和哲学家
