机器学习中的概率统计应用实践笔记

第9章 隐马尔科夫模型（上）：明暗两条线

-

第8章 马尔科夫链（下）：极限与稳态

-

第7章 马尔科夫链（上）：转移与概率

-

第6章 由静到动：随机过程导引

-

第5章 极限思维：大数定律与蒙特卡罗方法

-

第4章 从一元到多元：探索多元随机变量

-

第3章 聚焦基本元素：深入理解随机变量

-

第2章 统计思维基石：条件概率与独立性(1)

-

第2章 统计思维基石：条件概率与独立性

-

第1章 概率统计课程导学

-

第16章 马尔科夫链-蒙特卡洛方法详解

-

第15章 助力近似采样：基于马尔科夫链的采样过程

-

第14章 近似推断的思想和方法

-

第13章 贝叶斯统计推断：最大后验

-

第12章 探寻最大可能：极大似然估计法

-

第11章 推断未知：统计推断的基本框架

保存下载-

第10章 隐马尔可夫模型（下）：概率估计与状态解码