机器学习算法提高

贝叶斯网络

贝叶斯方法：
贝叶斯派思考问题的固定模式：
先验分布+样本信息=后验分布
其中先验信息一般来源于经验和历史资料
贝叶斯公式：

贝叶斯网络，又称新年网络，或有向无环图模型，是一种概率模型。
贝叶斯网络三种形式：head-to-heag，tail-to-tail、head-to-tail

粒子滤波

随机选取预测域的N个点，称为粒子。以此计算出预测值，并算出在测量域的概率，即权重，加权平均就是最优估计。之后按权重比例，重采样，进行下次迭代。
粒子滤波是一种非线性的求解器。

高斯过程

高斯过程是概率论和数理统计中随机过程的一种，是多源高斯分布的扩展，被应用于机器学习、信号处理等领域。
一个高斯过程为一个均值函数和协方差函数唯一定义。
核函数（协方差）是一个高斯过程的核心，核函数决定了一个高斯过程的性质。
核函数在高斯过程中起生成一个协方差矩阵（相关关系数矩阵）来衡量任意两个点之间的距离。
不同的核函数有不同的衡量方法，得到的高斯过程的性质也不一样。