本书需要慢慢的读

我是一名研一的学生，方向不是机器学习方向，但是对这方面很感兴趣。
看过一篇blog说，当下所说的机器学习其实分两种，一种如本书，可称为统计机器学习，另外一种是人工智能领域，这两种有交叉，但是研究内容有很大不同。

初读这书，刚觉很罗嗦，加上是英语，就觉得有些内容很难，符号多，无法继续下去。

我是从第八章开始的，因为在读李航统计学习方法倒数第二章读的有些模糊，来参考本书，突然发现本书写的很详细，娓娓道来。就准备边看这本书，边记下笔记，并且写成blog.可以想象进度是非常慢的，但是这样的读书方法让我受益匪浅，因为我发现自己读进去了，理解了大部分书中的内容。一句话是对的，自学的秘诀是慢。特别针对这类经典详细的书籍。

下面分享一些我的笔记内容，大家有兴趣可以看看。

贝叶斯网络（Bayesian network)）简介（PRML第8.1节总结）概率图模型（Graphical models)http://www.cnblogs.com/Dzhouqi/p/3204353.html

条件独立(conditional independence) 结合贝叶斯网络(Bayesian network) 详细解释 （PRML8.2总结）http://www.cnblogs.com/Dzhouqi/p/3204481.html

马尔可夫随机场（Markov random fields) 概率无向图模型 马尔科夫网（Markov network)
http://www.cnblogs.com/Dzhouqi/p/3207601.html