概率机器学习（开篇）

最近的机器学习这一块一直卡在概率机器学习上，尤其是CRF上，有点浮，先将学习到的好好总结一下。

一、EM算法的基础和贝叶斯基础

　　1）EM算法的基本原理和推导

　　2）EM算法的基本应用，k-means和高斯混合模型

二、隐马可夫和条件随机场

　　1）隐马（HMM）的基于原理和对应的三个问题及其解法

　　2）最大熵模型

　　3）条件随机场

三、话题模型

　　　　话题

四、其它

　　1）采样

　　2）变化

　　3) 卡尔曼滤波器

　　4) 粒子滤波

　　5）非参数贝叶斯

参考：

徐亦达教授 github  视频

统计学习方法

吴恩达 机器学习

PRML 9、10、11、13 章