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