Cherish__it的博客

前段时间在学习期间学习了机器学习和模式识别相关的内容，今天真理梳理一下知识点，用做自己的参考资料和学习资料，同时，若整理的资料中出现错误还恳请各位批评指正，共同学习，共同进步。由于自己基础比较差，整理了两部分的内容，一部分为本部分整理的基础知识点内容，归属为“PRML基础”，另一部分为“PRML学习”，希望有兴趣的读者共同交流进步。一.概率理论 概率理论提供了一个量化与处理不确定性的数学框架，这是

期望（expectation）就是平均权重，用E(f)表示，连续型的期望如下：给出有限的 N 个点期望可以如下表示：当 N趋向于无穷大的时候上式会非常准确，上式在抽样方法里面会广泛使用。多个变量函数的期望：E是 x 的均值期望，它是 y 的函数。条件期望（conditional expectation）关于条件概率分布方差（variance）：方差记录了关于均值的变化程度，可以变化如下：协方差（c