贝叶斯信念网络  http://blog.sina.com.cn/s/blog_4ceabb8d0100h9ul.html     贝叶斯(1702-1763) Thomas Bayes，英国数学家。1702年出生于伦敦。贝叶斯在数学方面主要研究概率论，并创立了贝叶斯统计理论，对于统计决策函数、统计推断、统计的估算等做出了贡献。     贝叶斯“信念网络”，是基于概率推理的图

http://blog.youkuaiyun.com/sealyao/article/details/6537670 贝叶斯分类是统计学分类方法。它们可以预测类成员关系的可能性，如给定样本属于一个特定类的概率。 贝叶斯定理是就是在给定的数据概率来表示未知的后验概率。比如已知某水果是红色的情况下，判断该水果有多大的概率是苹果，用数学符号表示就是(后验概率)，其中X表示“这个水果是红色的”，H表示“这个水

最大似然估计，也称为最大概似估计，是一种统计方法，它用来求一个样本集的相关概率密度函数的参数。这个方法最早是遗传学家以及统计学家罗纳德·费雪爵士在1912年至1922年间开始使用的。 目录   [隐藏]  1 预备知识2 最大似然估计的原理 2.1 注意 3 例子 3.1 离散分布，离散有限参数空间3.2 离散分布，连续参数空间3.3 连续分布，连续参数

http://blog.sina.com.cn/s/blog_78fd98af0100xk7k.html 通俗的说说最大似然估计吧，文绉绉的概念和严谨的公式推导总是记不住，又让人昏昏欲睡.... 1.什么是最大似然估计    如果我们知道样本（数据）所服从的概率分布的模型，而不知道该模型中的参数，例如：高斯模型的参数：均值u，及方差sigma。最大似然估计就是用来估计模型参数