有保留的推荐
2010-10-01
有保留的推荐。
书的优点：很全，较新，成体系，连贯性很好。
书的缺点：错误挺多，抽象晦涩，理论性很强。
我个人是做视频的高层信息理解分析的，偶然之间接触到概率图模型的几个算法，后来跟着实验室的其他老师和组里的同学一起学了这本书。听了大家的讲解，让我收获很多，原来只是自己看的算法，学了这本书的相关章节后感觉理解的深刻多了，也多了很多新的理解。再加上10年的龙星计划机器学习班，Erik Xing老师的讲解让我对很多疑惑多了些思路。这是在这个课程上，知道这本书其实03年左右已经在美国有些学校里作为draft教材了。所以，不算特别新，但是这是概率图模型里比较新的教材了。
Bishop的书PRML，从8章开始，就讲了概率图模型其实，我觉得相对来说这本书更容易懂些，而比较起来，PGM这本书则晦涩难懂多了，我觉得。比如图模型中的三个典型结构，PRML中讲解的就清晰容易懂，个人感觉。从另一方面来比较，JORDAN的书，一直没出版，看了些电子版和打印出来的，觉得其实相对没那么晦涩的。
我看了一下，大概是PGM的作者一直在做理论吧，所以算法理解的深度高，所以才理论那么强？
回到PGM这本书，其实，我觉得我还是很喜欢这本书的，在我开始关注概率图模型的几个算法时，就注意到作者要出版这本书，但是一直没找到相关资料。大概也是这个时候，才意识到国内外学术差距有多少年的吧。我想如果开始时我能接触到这本书，并了解些，我开始看概率图模型的算法，比如HDP,LDA等模型时，应该会容易些，也会理解的深刻些。但是曲径通幽，问题还是解决了的，而这本书也终于见到了，但是，推荐想了解概率图模型的人看这本书。
看之前，有些概念需要理解，一些概率统计的基础知识要有的，别像我这边一个师弟，拿多项式分布来问我奥，这不是说不行，而是说这些基础不了解，你看起来会很吃力，囫囵吞枣，会消化不良的啦。
再者，其实，优化这部分基础也是要有的，我不是计算机科班出身，也不是数学科班出身，所以虽然上了不少数学课（微积分），可对优化我始终停留在皮毛上，看这本书时，补了不少优化的东西。所以，如果你也和我一样，也建议补充一下吧。
我们这的老师说，这本书的结构很重要，我一直在思考这个问题，到现在还是朦朦胧胧的，他有一次评论我的文章说我对这些理解的还不够深刻。我想他说的是对的，但是，我在努力理解深刻，尤其是结构这个问题，我希望有高人能够把自己的理解写出来，最好是结合某一个算法或者一类算法，不要那么抽象或者大范围。
之所以想写这个评论，不是因为我牛，也不是因为我在这个方向牛。而是因为我从第一次接触概率图模型的几个算法，我就喜欢上了这个方向，当时遇到了很多困难，像蚂蚁一样往前走，面临着延期的压力，可我还是坚持下来了，我希望以后博士毕业后能继续这个方向。可现在要毕业找工作了，我尽最大努力找个偏向于科研的方向的工作，继续我喜欢的方向，可本人很菜，而且科研的单位能有几个？如果最后无法继续，我也算对我喜欢的这个方向留了点纪念。如果我能够如愿以偿，继续我喜欢的方向，我会再多写点自己的理解，算是继续。
对了，这本书的中文翻译版快出来了，如果你想看看中文版的，到时候不妨翻翻。
查字典图书网
