PRML读书会第三章 Linear Models for Regression(线性基函数模型、正则化方法、贝叶斯线性回归等).pdf
PRML读书会第七章 Sparse Kernel Machines（支持向量机 support vector machine ；KKT条件；RVM）.pdf
PRML读书会第六章 Kernel Methods（核函数，线性回归的Dual Representations；高斯过程 Gaussian Processes的协方差矩阵形式、超参、预测等）.pdf
PRML读书会第九章 Mixture Models and EM（Kmeans；混合高斯模型以及EM（Expectation Maximization）算法；一般EM算法性质的推导和证明）.pdf
PRML读书会第二章 Probability Distributions(贝塔-二项式、狄利克雷-多项式共轭、高斯分布、指数族等).pdf
PRML读书会第八章 Graphical Models（贝叶斯网络和马尔科夫随机场的概念、联合概率分解、条件独立表示；图的概率推断inference）.pdf
拼途网_约伴旅行 商业版UTF8（2015.1.25更新）@caogen8.co.rar