《统计学习方法》阅读笔记

       这本书一共235页，写了10个算法，可见每个算法都介绍的篇幅不长，貌似每个算法该讲的都讲了。详细看了一章最大熵，发现其实都是对已有文献的翻译，其中的部分符号修改了，更加通俗易读。不过翻译的非常好，是目前国内翻译的最好的吧。

         

        最大熵的举例来自论文《A Maximum Entropy Approach to Natural Language Processing》，不幸的是去除了实际含义。最大熵的IIS算法（89页）中间的某个公式还比参考文献少了一行，对比《The Improved Iterative Scaling Algorithm：A Gentle Introduction》。像EM算法的例子也非常精当，理解起来有帮助，不知道是否来自文献。

     
        其他像一些算法的背景，算法的发明人，算法的来龙去脉没有写，感觉可以加深理解；某种算法适用哪些场景，优缺点没有介绍；算法之间的比较，稍显欠缺。
      

        某些背景知识，其实可以再介绍的全面一些。例如什么是凸函数，例如CRF算法中的Hammersley-Clifford定理可以再详细介绍一下。

        总的来说，这是一本非常全面的、中规中矩的参考书，趣味性不够，封面的颜色也暗合这一点。买这本书可以节约时间，不需要花时间去找参考论文，直接打印每章后面的参考文献就可以了。