当前位置: 查字典图书网> 算法> Pattern Recognition And Machine Learning> PRML,Bayesian PK Frequentist,笔记

PRML,Bayesian PK Frequentist,笔记

对“PRML,Bayesian PK Frequentist,笔记”的回应

太和嘉皓 2015-10-02 22:27:21

感谢楼主!!

2014-11-18 01:27:22

刚刚完成老师的Exercise, 完全因为看了楼主的notes,豁然开朗。好感激怎么办T.T楼主不当老师也能当助教的啊!

2014-11-17 22:48:24

太棒了!!!!!!!>.<

旅叶 2014-10-27 20:01:19

是的,同问?没有看到那门公开课是用这本教材的。。

其名为鲲 2014-06-27 16:08:03

这本书国内有影印版吗?

echo 2014-01-27 23:56:24

你好,请问你当时看的是哪门公开课啊,我也想去看看,网上没找到

whjxnyzh 2014-01-08 16:09:58

楼主,我感觉第八章的图模型是本书的精品。。最大的收获就是看了这一章啊,,,还有你说的那个SVM,作者推导的很详细啊,完全没有压力,你说的那两个问题都不是问题。。。。。。。。。

Rover 2013-09-16 16:03:19

这本书好贵,大家都买的正版的吗?

Chojin 2013-07-22 01:46:31

那个文件其实还在那,但是已经被设置成私密(somehow,肯定不是我做的,可能标题含有的某两个字母而被认为是色情...),并且还不能重新设成分享...

Anyway, 已经换了个新链接

宾州星际哥 2013-07-22 00:48:36

同求笔记••••

Anymake 2013-07-14 22:03:13

您好!读书笔记链接失效了,方便更新一下吗?

极度视界 2013-03-21 08:09:34

多么鲜艳的帽子,不是我的,我也不会要。

doubling 2013-03-21 00:26:56

嗯,也是,对于非Bayesian干嘛非要科普bayesian呢。

极度视界 2013-03-20 23:38:38

你还是先理解你要反驳的观点是什么,再反驳吧。

doubling 2013-03-20 23:24:43

你要具体,那我们就来具体的。
1, Vapnik 的VC dimension以及后面一脉相承的sample complexity分析里面对象都是一个分类函数,所以可以才能用VC dimension或者Rademacher complexity等等来度量这个分类函数所属的函数集的复杂性。 而Bayesian的目标并不是一个分类函数,而是整个分类函数的分布。所以Frequentist的复杂性度量在这个level就不太适用了。
2, 基于上述原因,DA McAllester提出了PAC-Bayesian来度量。
3,我的理解,Bayesian对概率的理解和频率学派对概率的理解和解释不一样,你所说的sample complexity是基于频率学派的概率,对于pure Bayesian意义不清楚。
4,在你反对某件事之前,请先试着了解它。

极度视界 2013-03-20 12:09:57

没有,就觉得你在扯淡了。华而空壳。

doubling 2013-03-20 08:56:18

呵呵,这是戳着你的痛处了?人身攻击可就没意思了。

极度视界 2013-03-20 08:18:02

弄几个名字,就来招摇撞骗,回去哄孩子去吧。
话说曾经有人用各种名词组合成文章,还能蒙过评审。

doubling 2013-03-07 11:55:15

to upstair: 先明白error bound的定义再想想为什么Bayesian inference一般不采用这个东西。站在Frequentist体系里攻击Bayesian没啥意思。Frequentist和Bayesian的烂仗多了,再打也没意思。况且我所知道的Frequentist 统计学家对松垮跨的upper bound嗤之以鼻的也不少。

极度视界 2013-03-07 10:41:23

只需要train,不需要test?

doubling 2013-03-07 04:27:50

Bayesian还要什么泛化界?

极度视界 2013-03-05 20:50:43

这个书的一个问题是, 把全部的精力用在了“提出模型+参数计算”,机器学习的标准的泛化误差几乎没讲。
有些数值示例是最好的了,作者要把它放在(XX,2008)这书上,但是这本书好像夭折了。

天风海涛 2012-12-27 23:36:49

笔记非常不错,明白不少东西。听君一席话,胜读十年书。

小小魔 2012-12-08 19:39:17

嘿,还真是,谢谢啦

Chojin 2012-12-08 15:02:56

to 小小魔:你是不是把最后的那个句号也copy了...

小小魔 2012-12-06 13:39:40

显示“文件被删除或取消分享”了,能否再分享一次?

Chojin 2012-10-23 13:04:26

to jock:没见过,倒是Bayesian learning的书有一些

to 漫步夕阳:链接还在啊

漫步夕阳 2012-10-22 22:59:18

分享链接已失效,能否再分享一次?

Richard 2012-10-14 14:19:26

Frequentist的书用哪本?对于初学,从哪本开始比较合适

Chojin 2012-09-18 12:15:39

确实这些pair里SVM与RVM跟其他的不一样,SVM甚至都不是一个probabilistic model。列出来只是因为它们都是sparse model。

doubling 2012-09-18 07:21:42

RVM还真不是SVM的bayesian version。虽然这两个都sparse了,达到这个目的的过程真的不一样。

范深 2012-08-26 16:15:23

我下载了您的笔记!觉得非常不错~学习学习

《Pattern Recognition And Machine Learning》热门书评


书名: Pattern Recognition And Machine Learning
作者: Christopher Bishop
出版社: Springer
出版年: 2007-10-1
页数: 738
定价: USD 94.95
装帧: Hardcover
ISBN: 9780387310732