本文主要用革命的比喻，通俗的总结了测度论的基本问题，并且添加了我自己的一些体会。

维特比算法非常经典，本文通过清晰的数学符号，说明了迭代方程的推导问题，显示了大量细节，使得动态规划显得显然。

分类分布形式具有十分重要的意义，首先让我们把诸多特征与分类建立了数学模型，其次分类分布的期望是一组归一化的概率，直接代表了我们对一次特征观测应该对应于哪个分类的信心。辅助以决策论，很容易做出推断。

感知机是人类历史上第一个真正优秀的人工神经网络。我们需要了解它。

本文总结了狄利克雷-多项式模型的部分，我们将再一次熟悉贝叶斯方法的基本概念、流程、特点。把我们思维进化到更高的维度。

贝塔-伯努利模型(beta-binomial model)是非常经典的离散二维模型，通过它我们能得到很多关键概念的感觉，和初步认识。进而熟悉了贝叶斯方法的基本概念、流程、特点。同时一旦我们熟悉了伯努利、二项、贝塔、均匀、贝塔-伯努利分布后，很多关键的东西就可以用文字表述清楚，并且有深刻认识

经典统计学利用总计和样本信息来做统计分析，而贝叶斯统计学还加入了先验信息。下面我们用单参数一维随机变量加以说明贝叶斯方法：

本文主要总结了矩阵高斯分布的若干基本问题，和我自己的一些体会。

本文描述了多元高斯分布的熵的关键技巧，值得了解一下。

本文主要总结了多元高斯分布的若干基本问题，和我自己的一些体会。