转载自：http://nbviewer.jupyter.org/github/lijin-THU/notes-machine-learning/blob/master/ReadMe.ipynb

机器学习笔记

简介

作者：李金  版本：0.0.1 邮件：lijinwithyou@gmail.com

机器学习笔记，使用 jupyter notebook (ipython notebook) 进行展示。

Github 加载 .ipynb 的速度较慢，建议在 Nbviewer 中查看该项目。

---

目录

第一部分来自 Bishop 的经典书籍 Pattern Recognition and Machine Learning。

第二部分来自 Bengio 的最新书籍 Deep Learning。

第一部分 PRML 笔记

1. 简介 1.1. 例子：多项式拟合1.2. 概率论 1.2.1. 概率密度函数1.2.2. 期望和方差1.2.3. Bayes 概率1.2.4. 高斯分布1.2.5. 重新理解曲线拟合1.2.6. Bayes 曲线拟合 1.3. 模型选择1.4. 维数灾难1.5. 决策理论 1.5.1. 最小错误率决策1.5.2. 最小风险决策1.5.3. 拒绝选项1.5.4. 推断和决策1.5.5. 回归问题的损失函数 附录 D 变分法1.6. 信息论 1.6.1. 相对熵和互信息 附录 E Lagrange 乘子 2. 概率分布 2.1. 二元变量 2.1.1 Beta 分布 2.2. 多元变量 2.2.1. 狄利克雷分布 2.3. 高斯分布 2.3.1. 条件高斯分布2.3.2. 边缘高斯分布2.3.3. 高斯变量的贝叶斯理论2.3.4. 高斯分布最大似然2.3.5. 序列估计2.3.6. 高斯分布的贝叶斯估计2.3.7. 学生 t 分布

第二部分 DP 笔记

I 数学和机器学习基础 2. 线性代数 2.1 标量，向量，矩阵和张量2.2 矩阵乘法2.2 单位矩阵和逆2.4 线性无关和生成空间2.5 范数2.6 特殊矩阵和向量

---

参考资料和文献：

[1] Christopher, M. Bishop. "Pattern recognition and machine learning." Company New York 16.4 (2006): 049901.

[2] Bengio Y, Goodfellow I J, Courville A. Deep learning[J]. An MIT Press book in preparation. Draft chapters available at http//www.iro.umontreal.ca/∼bengioy/dlbook, 2015.