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

声明：本站大部分资源来源于网络，除本站组织的资源外，版权归原作者所有，如有侵犯版权，请立刻和本站联系并提供证据，本站将在三个工作日内改正。 本站仅提供学习的平台，将不对任何资源负法律责任，只作为购买原版的参考，并无法代替原版，所有资源请在下载后24小时内删除；资源版权归作者所有，如果您觉得满意，请购买正版。您若发现本站侵犯了你的版权利益，请来信本站将立即予以删除！