大浪淘沙的专栏

今天开始学Pattern Recognition and Machine Learning (PRML)，章节1.1，介绍与多项式曲线拟合(Polynomial Curve Fitting) 转载请注明源地址：http://www.cnblogs.com/xbinworld/archive/2013/04/21/3034300.html    Pattern Recognition

今天开始学Pattern Recognition and Machine Learning (PRML)书，章节1.2，Probability Theory 概率论（上） 原创书写，转载请注明出处http://www.cnblogs.com/xbinworld/archive/2013/04/25/3041505.html    今天开始学Pattern Recognition an

今天开始学Pattern Recognition and Machine Learning (PRML)，章节1.2，Probability Theory （下） 今天开始学Pattern Recognition and Machine Learning (PRML)，章节1.2，Probability Theory （下） 今天把1.2写完，这一节讲了很多重要的基础内容。 1.2.

今天开始学Pattern Recognition and Machine Learning (PRML)，章节1.6，Information Theory信息论简介 今天开始学Pattern Recognition and Machine Learning (PRML)，章节1.6，Information Theory信息论简介 前面有朋友说写的东西太理论了，我想说我并不是在和很多其他

引言 发现对概率论的基本概念理解不是很深入，导致看后面的东西时常有些莫名其妙的疑惑，回头来看看概率论与统计 1. 累积分布函数（CDF – Cumulative distribution function 或直接就叫 distribution function）         CDF其定义为 FX(x)=P(X≤x)         正如统计学完全教程里说的，这

之前我们讨论的模型是对于分类的回归模型，包含了线性组合的多个基础函数。但是他的应用范围有一定的限制。另外一个方法在于事先限定基础函数的个数并且使得他可自适应的，也就是说使得他的参数值在训练当中是可以发生变化的，其中最成功的模型是前向神经网络(feed-forward network)，也称作多层认知模型(Multilayer perceptron)。 1、前向网络函数 在第三章和第四章