Pattern Recognition and Machine Learning的书评 (22)

Chojin 2012-08-25 23:55:28

PRML,Bayesian PK Frequentist,笔记

两年多以前有个Machine Learning课以PRML为参考书,当时就觉得这书相当的好。可惜一直以来没认真读完。最近稍闲终于重新读了一遍,比较有收获。 这书给人的最大的印象可能是everything has a Bayesian version或者说everything can be Bayesianized,比如PRML至少给出了以下Bay...  (展开)
Jia 2010-12-17 22:26:10

需要多读几遍:Pattern Recognition And Machine Learning

实际上这本书我花了将近两个月的时间读下来,不敢说有多理解,但是确实收获很大,分章做一个评论。 第1章的导论,不多说,看完书后需要重新回过头来看看。 第2章的概率分布,写的非常好,尽管只有几个简单的分布,但是对共轭先验的概念以及指数分布族介绍的很清楚,这一章是本...  (展开)
[已注销] 2014-03-29 17:42:51

说此书数学怎么怎么样的还是退了吧

这几天没事把尾巴扫了。 如果想做ML无论是theory(tcsers请先别吐槽好吧,以后会有槽吐你们的)、algorithm还是application此书都是必读,而且书只读这一本足够了。ML吹破天还是那点内容,想学“fashion”的concept有那么多paper、review,看书是自取其辱。有人说此书遗憾没有...  (展开)
景浩 2013-02-28 06:29:39

这是我读过最好的模式识别书。

我是学工程的,读过很多统计,模式识别,数据挖掘的书。比如Andrew Gelman 的 Beyesian data Analysis; Trevor Hastie 的 The Elements of Statistical Learning等等。。。。 我发现一个问题,但凡是统计系人出的书,我读起来都特别困难,比如以上提到的两本,基本读到第四第...  (展开)
Chen_1st 2011-05-09 00:36:42

更广的背景下看Bayesian Learning

这两天因为读文章的需要,重新翻了翻这本书。觉得@raullew在http://book.douban.com/review/4474434/ 中提到的问题的确是这本书的一个缺陷。 是否真正了解一个东西,不仅取决于你是否了解这个东西的特性,还取决于你能不能把它和相似的东西区分开。比如说,你要学习什么是猫,...  (展开)
脖子 2016-01-13 02:09:39

经典ML教材之一

在Bishop的这本PRML之前,学习machine learning的标准教材一般是Tom Mitchell的machine learning以及Duda&Hart的Pattern Classification (那个年代ML与PR非常大的重合之处)。不可否认,这两本书都是ML领域的经典教材,但是由于成书时间太早,基本上都属于上古读物,已经不大适...  (展开)
doubling 2012-08-16 08:00:09

PRML和其他

这本书的独到之处就是Bishop能够将看似毫无联系的方法统一在一个完整的框架下。虽然@raullew在http://book.douban.com/review/4474434/吐槽,但这正是Bishop想要传递的这本书的精髓所在。如果仅仅是各个算法的单独罗列,那我觉得去看wikipedia好了,还是免费的。 相比之下,Du...  (展开)
joey周琦 2013-07-23 00:26:20

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...  (展开)
极度视界 2013-07-05 15:42:57

PRML Matlab ToolBox

在浏览 scikit-learn 时 无意发现之,贡献者之一 是清华的Wei Li https://github.com/kuantkid/PRML 发现了,分享了;未曾使用。 大家用用看,看看楼下怎么说:  (展开)
Kurenai 2019-04-20 11:20:33

推荐一些PRML的学习资源(书评待补)

断断续续看到现在大概完成了前11章,其间收集了一些资料,书评等完整看过之后再补上。 PRML的数学不是很大问题,因为很多用到的技巧都给出了(大量出现在第2章,少量出现在第8章),或者是以附注的形式添加到了习题中,而习题是有答案的。 主要障碍是书中的错误很多,有英文版错...  (展开)
guixj 2019-02-13 22:30:36

关于PRML个人感想

个人认为这是机器学习领域必读的一本书,甚至是目前最好的书。但这本书太过于 Bayesian, 作者对任何算法都试图从概率和 Bayesian 的角度来进行解释。这本书不适合作为第一本教材,因为其为了将书中内容串联起来,忽视了这些内容的本来面貌,我印象比较深刻的地方有:第1.2.5节...  (展开)
Foclxk17 2019-02-05 18:18:03

2019.2.5

这本书最近开源了: https://www.microsoft.com/en-us/research/publication/pattern-recognition-machine-learning/ 作为上课的教材读的,内容结构上比较全面。从基本的问题出发,对于每一个问题和范式的来由解释得比较详细清楚,也因而显得小章节间的逻辑关系 (有时) 堆得比较...  (展开)
瓜瓜 2017-10-24 19:43:42

很奇妙的一次读书旅行

这篇书评可能有关键情节透露

正在读,神经网络的扫尾工作,第一遍读收获就挺大,对数学的基础知识还是有一定的要求,有一定的运算量(比较耗纸),但是总体上还是能一路推下来,内容主线明确,部分内容暂时还不知道拿来干啥。后面六七两章kernel method和SVM之前看过应该不难,EM算法和PCA看过简单的版本,...  (展开)
Aeolus 2014-03-25 17:31:49

用心慢慢读

在研一的下学期的时候,看了前三章。写得非常好,看着就不想放下。后来由于有其他事,就先停了下来。现在经过一年的实习,对机器学习感觉也算入门了,准备着手再开始看,相信这次会有完全不同的感觉。大家一起加油,PRML真是经典!  (展开)
网络上的尼采 2014-02-12 18:27:22

PRML读书会请加qq群 177217565

我们已经读完了Pattern Recognition And Machine Learning ,写的非常优美的一本书,另外我们正准备读MLAPP,欢迎加群177217565讨论。请在群申请理由里用简短的话描述一个算法的关键思想。  (展开)
whjxnyzh 2014-01-08 16:04:04

新手必读,吐血吐血吐血吐血推荐

从大四就想看这本书,一直当做宝贝供着。。。。最近才大概翻了一遍,总体评价。。神书无疑。。读一遍感觉不行,我肯定还要读第二遍,因为有些章节还是有难度的。。作者写作功底太好,每个公式解释的都很清楚,看起来毫不费力,也很全面。总之,吐血推荐,不看这本书,别跟我说...  (展开)
网络上的尼采 2013-09-20 08:34:33

PRML读书会:Sampling Methods记录

这篇书评可能有关键情节透露

主要内容:Markov Chain Monte Carlo(MCMC),Metropolis-Hastings,Gibbs Sampling等方法。 http://weibo.com/1841149974/Aa7D5vpaC?mod=weibotime  (展开)
木华 2019-01-04 15:40:49

拟合含有巨量参数的函数映射的主流技巧

听完coursera上的机器学习的课后觉得ML不过就是拟合函数,但是由于里面并没有详细介绍算法背后的数学推理和我以为会有的关于“学习”“智能”的理论,就找来这本评价较好的书看了一遍。看完这本书后发现ML真的就是拟合函数,而且用的都是一些百年前的数学技巧和几十年前的算法...  (展开)
网络上的尼采 2013-09-18 19:59:49

Pattern Recognition and Machine Learning第九章读书会记录

Pattern Recognition and Machine Learning第九章读书会记录,主要内容:k-means 混合高斯 EM算法 http://weibo.com/1841149974/A1O6GzO3k?mod=weibotime  (展开)
longsail 2014-02-12 14:08:09

数学功底不够,看的云里雾里。

赞扬已经够多了,引用黄亮的话来说下这本书不好的地方。 “这书把machine learning搞得太复杂太琐碎了,而迷失了其数学真意。其数学真意应该是简单统一的几何意义,而不是满屏的公式。另外这书理论深度不够,很多重要但简单的证明没讲. 简言之,这书是电子工程师写的,不是给...  (展开)
<前页 1 2 后页> (共22条)

订阅Pattern Recognition and Machine Learning的书评