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${\mu}$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