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。

机器学习框架, 当我们理解了：输入空间、输出空间、算法空间、假设空间、参数空间后，我们就能建立起机器学习的基本框架。从而加深理解。本文同时还解释了梯度下降算法、和正则方程的几何意义。

本文主要总结的一元统计学三大分布的若干基本问题，和我自己的一些体会。

本文描述了伽马函数的关键性质，和若干技巧。值得了解一下。

因为大数据的兴起，机器学习大热。这一行业吸引了大量人才涌入。然后现状是学习机器学习需要较高的数学知识，导致人才供应不足。跟不上行业发展需求。较高的工资和技术时尚吸引大量的人们争相学习机器学习、人工智能。故收集网络整理出这些书籍：

本文意在理清行列式的基础问题，是行列式的本质的一种解读。