PRML读书会第四章 Linear Models for Classification(贝叶斯marginalization、Fisher线性判别、感知机、概率生成和判别模型、逻辑回归).pdf
PRML读书会第十章 Variational Inference（近似推断、变分推断用到的KL散度、根据平均场 Mean Field 思想的分解及迭代求最优解）.pdf
PRML读书会第十四章 Combining Models（committees；Boosting、AdaBoost；决策树和条件混合模型）.pdf
Grammar Check Much or Many(www.tingvoa.com).mp4等
PRML读书会第十三章 Sequential Data（Hidden Markov Models及其EM求解、HMM的预测和解码）.pdf
outplayentertainment.aliencreeps.v62905.apk
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