PRML笔记:模式识别与机器学习
2016-03-30 10:15
567 查看
http://blog.csdn.net/pipisorry/article/details/51011724
统计学习方法-李航(适合快速入门)。
PRML: Pattern Recognition and Machine learning 机器学习和模型识别的必读书。
[PRML笔记-Notes on Pattern Recognition and Machine Learning.pdf]
[知乎pattern recognition and machine learning这本书怎么看?]
ESL(适合进阶,更详细系统的统计学习的知识The Elements of Statistical Learning)。
重点讲到Fisher LDA4.2 Probabilistic Generative Models
4.3 Probabilistic Discriminative Models
重点讲到Logistic Regression。很有意思的是,Logistic Regression虽然名字是Regression, 确是分类的方法4.4 The Laplace Approximation
4.5 Bayesian Logistic Regression
ref:
统计学习方法-李航(适合快速入门)。
PRML: Pattern Recognition and Machine learning 机器学习和模型识别的必读书。
[PRML笔记-Notes on Pattern Recognition and Machine Learning.pdf]
[知乎pattern recognition and machine learning这本书怎么看?]
ESL(适合进阶,更详细系统的统计学习的知识The Elements of Statistical Learning)。
Part I 基本概念和基础知识
1.Introduction
介绍了概率论,区分了经典概率论(frequentist)和 Bayesian理论Model SelectionDecision TheoryInformation Theory2.Probability Distribution
简单的讲解了概率分布,重点是Gaussian Distribution,后面章节会被广泛应用,而且也是统计学习的基本假设。Part II 3\4章讲线性模型
3.Linear Models for Regression
3.1 常用的least squares的方法,亮点是它和Maximum likelihood的关系4.Linear Models for Classification
4.1 Discriminant Function重点讲到Fisher LDA4.2 Probabilistic Generative Models
4.3 Probabilistic Discriminative Models
重点讲到Logistic Regression。很有意思的是,Logistic Regression虽然名字是Regression, 确是分类的方法4.4 The Laplace Approximation
4.5 Bayesian Logistic Regression
Part III 5\6\7章讲非线性模型
5. Neural Network
这本书提到的神经网络是很早以前的内容,不涉及Deep Learning。书中有些方法和理论已经有点过时了,想要更好地学习神经网络以及深度网络,找一些更新的书来看6. Kernel Methods
RBF Kernel 和 Gaussian Processes7. Sparse Kernel Methods
重点是SVM(Support Vector Machines)和 SVRPart IV 8\10\11\13章讲基于图模型的理论
8. Graphical Models
非常火热的model10. Approximate Inference
11. Sampling Methods
13. Sequential Data
重点讲到HMM(Hidden Markov Models)Part V 从概率模型的latent variables观点
9. Mixture Models and EM
latents variable 是 discrete讲Clustering的方法。 K-Means, Guassian Mixture 以及 EM算法12. Continuous Latent Variable
latents variable 是 continuousPCA (Principal Component Analysis)及其变种Part VI
14. Combining Models
Tree Models: Boosting, Bootstrapfrom: http://blog.csdn.net/pipisorry/article/details/51011724ref:
相关文章推荐
- 基于netty的企业即时通讯系统的设计与实-服务器消息重发
- iPhone应用:点滴记事
- C++ 函数参数的默认值
- 2009感动中国十大人物之首——卓琳
- date 和 hwclock 命令 (RTC用的着)
- 教你在Linux用飞信(fetion)免费发短信
- mysql my.cnf 配置建议
- Linux命令学习笔记(3)——理解SUID,SGID,stick
- 为PHP添加GD库支持
- 怎么安装tar.xz包
- 设置GtkLabel的背景颜色和字体颜色
- 程冬冬 2010.12.22 C语言程序-收发EMAIL
- 王晓博 2010.12.22-3-模拟linux shell 终端环境 执行所有shell命令
- 初学者学习LINUX之困惑?方向迷失?GUI?
- 基于EasyDarwin的实现无人机远程视频传输--RTSP协议分析篇
- Java中的注解是如何工作的?
- Cocos2d-x游戏中默认的AndroidManifest.xml的解析
- cocos2dx TexturePacker加密资源
- Android的软引用和弱引用
- 诺基亚强势回归!国产手机你吼得住吗?