如果读透读懂了李航老师的《统计学习方法》第二版以后，对机器学习理论的认识相当于什么水平？

[huzhikuizainali]

1 、之所以强调理论认识，是因为你不看相关的代码书籍，你还是不会调包，你还是没法将“掌握的理论”+“想法”(既用理论解决具体问题的方法、路径) 通过代码来实现。但我认为这部分不属于机器学习论的部分。而且我觉得理论吃透了，再看代码书籍就和看说明书一样。不知道这个想法对不对？

2 、关于“相当于什么水平”，答主是否可以给个比喻。比如吃透李航的《统计学习方法》第二版 相对于机器学习专业的学生来说类似于—————学完微积分+线代+概率论 相对于与一般工科生，仅仅是打了个基础？或者有其他更好的类比？

3 、不考虑进入机器学习的细分领域（ NLP 之类的，推荐系统，自动驾驶）。就说机器学习的通识理论学习，如果继续深入学习的话，后续应该读什么书籍？推荐的理由是什么？可否给出路线图以及路线图每个节点的说明？

4 、各位如何评价这本书在机器学习理论领域的深度和广度？

[huzhikuizainali]

补充一下，统计学习方法和《统计学习要素》作者: Trevor Hastie / Robert Tibshirani / Jerome Friedman 比较在：深度和广度，对读者友好度方面 如何？

[EreeBay]

2. 要是真吃透了 那就是熟练掌握书中提到的机器学习算法的理论基础了
3.就通识理论而言，李航这个应该绰绰有余了吧。