机器学习数学基础之概率论

机器学习数学基础之概率论：

• 概率论BigPicture
• 1.0 概率介绍、试验、事件、公理化的概率
• 1.1 样本空间、柯氏公理、概率的性质
• 1.2 古典概率、乘法原理、排列
• 1.3 组合、二项式定理、多项式定理
• 1.4 有限事件并的概率、概率欺骗了你
• 2.1 条件概率、全概率公式
• 2.2 事件独立、条件独立
• 2.3 Bayes’ Theorem
• 3.1 随机变量和离散分布
• 3.2 连续分布
• 3.3 Cumulative Distribution Function
• 3.4 双变量分布
• 3.5 边缘分布不和独立随机变量
• 3.6 条件分布 (Part I)
• 3.6 条件分布 (Part II)
• 3.7 多变量分布（Part I）
• 3.7 多变量分布（Part II）
• 3.8 随机变量的函数
• 3.9 多随机变量的函数
• 4.1 随机变量的期望 (Part I)
• 4.1 随机变量的期望 (Part II)
• 4.2 期望的性质
• 4.3 方差
• 4.4 距
• 4.5 均值和中值
• 4.6 协方差和相关性
• 4.7 条件期望
• 5.1 分布介绍
• 5.2 伯努利和二项分布
• 5.3 超几何分布
• 5.4 泊松分布
• 5.5 负二项分布
• 5.6 正态分布(Part I)
• 5.6 正态分布(Part II)
• 5.6 正态分布(Part III)
• 5.7 Gamma分布(Part I)
• 5.7 Gamma分布(Part II)
• 5.8 Beta分布
• 5.9 多项式分布
• 5.10 二维正态分布
• 6.1 大样本介绍
• 6.2 大数定理
• 6.3 中心极限定理
• 6.4 连续性修正