PRML Notes- Chapter2 Probability Distribution

知识点

密度估计概念，区分参数估计，密度估计的问题，p52

参数分布概念，确定参数值的方法：最优化方法（似然函数）（频率学派）； 给定观察数据引入参数先验分布（贝叶斯排）

共轭先验，后验和先验具有相同函数形式

什么是二项分布，它的共轭是beta分布，理解过程

什么是beta分布，如何引出的，

Gamma函数，具体形式，具有的性质，

基于 后验~似然X先验，推出参数μ的后验公式2.17，然后得到结论

后验和先验间参数的关系，公式2.18

贝叶斯顺序学习 p55

贝叶斯学习的共用属性 随着观测数据的怎多，后验不确定性下降，p56

多项式分布 ， 概念、形式

Dirichlet分布，概念、形式，二者共轭过程理解

高斯分布，形式，p59

马氏距离，p60

高斯分布的局限性，p62，

高斯分布单峰局限性，引入隐变量，p63，

多元高斯，条件高斯，精度矩阵，p63

公式2.81,2.82，线性高斯

边缘高斯，形式

高斯变量的贝叶斯过程成，理解过程