有人读过Bishop的Pattern Recognition and Machine Learning么?# DataSciences - 数据科学f*r2015-09-01 07:091 楼close friend wedding, 人不多的那种,30~40人,不知道哪家的合适,询问的时候需要注意什么
a*e2015-09-01 07:093 楼以前拍过一个婚礼,晚宴是在游艇上,开出去大概3小时,游金门大桥夜景.游艇是在Alameda,这是照片, 供参考:http://www.hongmingstudio.com/Client-Login/Wedding/Sonia/203298
l*m2015-09-01 07:095 楼不是这本书难,是 Bayesian都有很多推倒。【在 l********k 的大作中提到】: 上来吐一个槽,挺难的一本书,我看得巨慢无比。有看过的说说,这书是不是太学术,: 太不偏重实用了?
d*e2015-09-01 07:096 楼你可能需要补一补概率和线性代数了。这本书三四年级本科生就能看的。【在 l********k 的大作中提到】: 上来吐一个槽,挺难的一本书,我看得巨慢无比。有看过的说说,这书是不是太学术,: 太不偏重实用了?
l*k2015-09-01 07:097 楼就像你说的,细节性的推导很多,导致看了后面忘了前面。线性代数和概率的部分确实也不深。就是很细很具体。【在 l*******m 的大作中提到】: 不是这本书难,是 Bayesian都有很多推倒。
l*k2015-09-01 07:098 楼我概率和线性代数的底子肯定是够了,ML的线性代数,不会比量子场论深吧。我比较烦躁的是不习惯ML里的用词。加上推导过程太多的细节,有些抓不住重点。Bishop这本书确实没有涉及到比较新的领域,内容都只是本科生范围,只不过用比较系统化的方法把经典的内容整理了一遍。我觉得比较适合学过的人加深理解,而不适合初学的人掌握ML的主要方法。【在 d******e 的大作中提到】: 你可能需要补一补概率和线性代数了。: 这本书三四年级本科生就能看的。
C*e2015-09-01 07:099 楼你看不懂这本书真的说明你线性代数和概率统计不过关。。。。这本书其实没什么数学,都是应用而已。【在 l********k 的大作中提到】: 我概率和线性代数的底子肯定是够了,ML的线性代数,不会比量子场论深吧。我比较烦: 躁的是不习惯ML里的用词。加上推导过程太多的细节,有些抓不住重点。: Bishop这本书确实没有涉及到比较新的领域,内容都只是本科生范围,只不过用比较系: 统化的方法把经典的内容整理了一遍。我觉得比较适合学过的人加深理解,而不适合初: 学的人掌握ML的主要方法。
h*32015-09-01 07:0910 楼如果是做学术,为了发paper,可以看看这本书的书的Bayesian风格。如果是真的想学习machine learning的实用技术,还是看《Elements of Statistical Learning》,里面的技术浅显易懂,而且更实用更全面一些。Bishop的书全是Bayesian的理论,“误导”过不少中国学生,都觉得现在最前沿的machine learning全都是做Bayesian的。其实现实的machine learning应用,从来没有一种应用是Bayesian方法一定比传统统计学习更好。所以让学生花太多精力去研究Bayesian的推导,不如用这些时间去学一些更多方面的技术和应用,或许更好。【在 l********k 的大作中提到】: 上来吐一个槽,挺难的一本书,我看得巨慢无比。有看过的说说,这书是不是太学术,: 太不偏重实用了?
l*n2015-09-01 07:0911 楼居然说黄宝书浅显易懂,Hastie吐血了这个书入门不推荐【在 h********3 的大作中提到】: 如果是做学术,为了发paper,可以看看这本书的书的Bayesian风格。如果是真的想学: 习machine learning的实用技术,还是看《Elements of Statistical Learning》,里: 面的技术浅显易懂,而且更实用更全面一些。Bishop的书全是Bayesian的理论,“误导: ”过不少中国学生,都觉得现在最前沿的machine learning全都是做Bayesian的。其实: 现实的machine learning应用,从来没有一种应用是Bayesian方法一定比传统统计学习: 更好。所以让学生花太多精力去研究Bayesian的推导,不如用这些时间去学一些更多方: 面的技术和应用,或许更好。
h*32015-09-01 07:0912 楼如果说Hastie的《Elements of Statistical Learning》都难懂,那估计你是没法看Bishop的PRML。相对于Bishop的PRML,《Elements of Statistical Learning》通俗易懂得多。Hastie和Friedman很在意自己的书和paper是否容易被人读懂,所以写作都很不错,包括他们的paper。【在 l******n 的大作中提到】: 居然说黄宝书浅显易懂,Hastie吐血了: 这个书入门不推荐
w*h2015-09-01 07:0913 楼读这本感觉本科学的概率和线代都不大够用的样子特别是当遇到矩阵求导的时候。【在 d******e 的大作中提到】: 你可能需要补一补概率和线性代数了。: 这本书三四年级本科生就能看的。