PATTERN RECOGNITION AND MACHINE LEARNING
CHRISTOPHER M.BISHOP
干什么东西都要留下点什么，既然有人说这本书很经典，这回就好好学一学，记一记好了。毕竟这是我初踏这个领域的第一本书嘛。
这个系列博客将对这本书得每一节给出概要，相关信息，一些补充。可以当做这本书的框架说明。刚开始入门很多概念肯定会有理解性偏差，会逐步完善的。
1 Introduction
概要：
想要进行模式识别，比如识别别人的签名，你可以穷举所有的笔画情况，但如果你真这么干是很没有效率的，而且效果也不会好。正确的做法是使用机器学习，能够对这个的签名进行模糊识别。
这个机器学习的过程就叫做训练。你需要给训练程序提供大量的练习题，当然要附答案，这个程序会在做题中完善自己，然后对于陌生题，也能做出正确答案。这种学习叫做supervised learning。此外，还有两种学习模式：
1、没有标准答案的学习，称为unsupervised learning，比如为相似实体分类。
2、进化型的学习reinforcement learning，没有最优解，不断与环境交互或者叫获得反馈。典型应用就是学习下棋：自己与自己对弈百万盘，记录下赢了一方的每一步的走法，记录下在不同位置的不同走法的赢棋概率。本方法关键点在于在发现新套路（exploration），评估后应用新套路（exploitation）之间取得平衡。
复杂的模式识别通常不是一步到位的，而是在识别前要做个预先处理。比如视频中的人脸识别也不是把每一帧都完完全全交给识别程序，而是有预处理程序找到可能有人脸的帧，截取人脸那一块，把这块图片交给识别程序进行识别，减轻识别程序工作量。