machine learning中的数学

在此开了博客用于记录自己的学习过程和心得。

首先大概的理一下思路，准写如下几个篇文章

一、机器学习中必备的基本数学知识

接下来大概按照FISHER 大大的大作PRML，列了大概的提纲

二、概率分布，一些基本的概率分布

 　　厚积方能勃发，这些概率分布是机器学习的基础

三、线性分类和回归

　　Baysian思想是大头

四、Guassian 分布以及核函数

　    统计学领域研究还蛮热的一个方向。

五、详细讲解SVM(support vector machine)

　　PS:SVM是我boss的主要研究方向，也是我理解最透彻的一个方向，我会详细重点讲解相关知识，并且教授LIBSVM最后自己实现基本的SVM算法。

六、图模型

　　众所周知，图模型和SVM作为机器学习领域两大利器，是及其重要的，小弟也会尝试把他讲解清楚。

七、EM算法，高斯混合模型

　　暂时还不太清楚

八、近似推断

九、HMM模型和LDS

十、总结