fix SmirkCao#79

README.md

@@ -16,14 +16,10 @@
 - 2019年5月，期待许久的第二版发布了，第一时间下了订单，预计母亲节这天可以发货。
 - 5月13日新书到手，第二版配了一张新照片，短发，比之前显得年轻...
 - 第二版修改了标点符号，第一版中逗号中文，句号英文。第二版将之前的英文句号更改成了中文句号。
-- 第二版取消了符号表，可能是因为同一本书前后有些地方用了不同的符号？所以在这个repo里面，我们加上符号表做说明。
+- 第二版取消了符号表，可能是因为同一本书前后有些地方用了不同的符号？所以在这个repo里面，我们尝试加上[符号表](symbol_index.md)做说明，方便查询。
 - 第二版增加了八个无监督的学习方法，至此，数据挖掘十大算法除了Apriori，全了。
 
-
-
-有同学问关于笔记引用Ref写在哪比较好， 大量引用说明这个Repo写的不够清晰，惭愧。
-
-我觉得和书中内容一样的部分引用李航老师的书好了， 顺便推荐买本最新版的纸版书，很多问题其实都修正了。如果涉及我自己写的扩充部分要加上这个Repo的话，
+如果需要引用这个Repo:
 
 格式： `SmirkCao, Lihang, (2018), GitHub repository, https://github.com/SmirkCao/Lihang`
 
@@ -41,14 +37,14 @@
 }
 ```
 
-方便的话回个文章链接给我，也好知道是哪个大佬带了流量。
+
 
 ## 前言
 
 这部分内容并不对应《统计学习方法》中的前言，书中的**前言**写的也很好，引用如下:
 
 >1. 在内容选取上，侧重介绍那些最重要，最常用的方法，特别是关于**分类与标注**问题的方法.
->1. 力图用统一框架来论述所有方法，使全书整体不失系统性.
+>1. 力图用统一框架来论述所有方法，使全书整体不失系统性。
 >1. 适用于信息检索及自然语言处理等专业大学生，研究生
 
 另外还有一点要注意作者的工作背景
@@ -216,23 +212,36 @@
 
 [Summary](CH12/README.md)
 
-这章就简单的几页，可以考虑如下阅读套路
-1. 和第一章一起看
-1. 在前面的学习中遇到不清楚的问题的时候，过一遍这个章节。
-1. 将这一章看厚，从这一章展开到其他十个章节。
-1. 注意这一章有个图12.2，这里面提到了逻辑斯谛损失函数，这里的$y$应该是定义在$\cal{Y}=\{+1,-1\}$中的，在前面介绍[LR](CH06/README.md)的时候$y$定义在$\cal{Y}=\{0,1\}$，这里注意下。
-1. 李老师这本书真的是每次刷都会有新的收获。
+这章就简单的几页，可以考虑如下阅读套路：
+- 和第一章一起看
+
+- 在前面的学习中遇到不清楚的问题的时候，过一遍这个章节。
+
+- 将这一章看厚，从这一章展开到其他十个章节。
+
+- 注意这一章有个图12.2，这里面提到了逻辑斯谛损失函数，这里的$y$应该是定义在$\cal{Y}=\{+1,-1\}$中的，在前面介绍[LR](CH06/README.md)的时候$y$定义在$\cal{Y}=\{0,1\}$，这里注意下。
+
+李老师这本书真的是每次刷都会有新的收获。
 
 ## ----分割线----
 
 第二版增加了八个无监督学习方法：聚类，奇异值分解，主成分分析，潜在语义分析，概率潜在语义分析，马尔可夫链蒙特卡罗法，潜在狄利克雷分配，PageRank。
 
 ## CH13 无监督学习概论
 
-无监督学习的基本问题：聚类，降维，话题分析和图分析。
+[Introduction](./CH13/README.md)
+
+- 无监督学习的基本问题：聚类，降维，话题分析和图分析。
+- 横向结构和纵向结构这个问题，从存储的角度来考虑。
+- 注意不同任务的策略：类别中心距离最小化，维度转换过程中信息损失的最小化，生成数据概率的最大化。
 
 ## CH14 聚类方法
 
+[Clustering](./CH14/README.md)
+
+- 例子14.2很好，建议画出来先自己展开思考下，再往后看
+- 聚类可以用于图像压缩
+
 ## CH15 奇异值分解
 
 ## CH16 主成分分析
@@ -257,6 +266,7 @@
 
 
 
-## Refs
+## 参考
 
 [^1]: [Matrix Capsules with EM Routing](http://arxiv.org/abs/1710.09829)
+