机器学习--数学之美读后感

最近把吴军博士的数学之美大概看完了，趁现在还记得，做一个记录，该书主要描述的最近几十年中互联网公司使用的主流机器学习算法。

为了方便记忆，我采用数据结构的里面的排序方式，点->链->树->有向图->无向图

对于点，该书就简单的描述了下象形字和拉丁文的区别，拉丁文按照字母排序这种应该要优于象形字（虽然很多国人接受不了，但是实际就是这样的），对应链介绍了马尔科夫链，马尔科夫链是概率论里面的一种模型，就是出现当前状态的概率至于上一个状态概率相关，树和有向图就讲的比较多，①谷歌的pagerank排序算法以及TF-IDF关键词度量也是基本是基于有权值的有向图，②信息指纹和维比特算法（树的逆向处理），其中要说下这个维比特算法，该算法应用很广，其中该书讲到通信中用的扩频传输技术，③布隆过滤器（凡是基于哈希表或者其他索引的都是基于树架构，不过都是树的逆操作），④贝叶斯网络和神经网络，神经网络和贝叶斯网络应该差不多，但是神经网络要简单一些，首先是神经网络对层数有要求，并且神经网络对于非线性计算也有要求，但是他们都是有向图，⑤逻辑回归和搜索广告，都是单层的神经网络；最后对于图，该书简单讲了一下七桥问题，然后说了下图在一个应用->爬虫，爬虫也分深度优先和广度优先

接着又讲了机器学习里面常用的工程手段，矩阵运算和EM算法（期望最大化）接着又讲了最大熵模型，个人感觉这个算法主要是用于训练模型，接着又讲了下mapreduce这种算法。最后讲了下统计算法复杂度P/NP方法。

补充下，里面还讲了google搜索过程，首先是下载，接着是索引，最后最关键是排序步骤，然后讲了rsa加密算法，其实对于我们工程人员来说在正规机构里面申请cer和key两个文件