机器学习进阶之贝叶斯

//2014年11月16日
http://blog.csdn.net/u013599826/article/details/41172131
我在教研室seminar中做关于贝叶斯的报告的ppt，虽然被批评中英文混杂，跳跃性太强，最不能忍的是ppt上放了大段文字。

但作为讲义的话还行，内容基本上包含了《PR&ML》上关于贝叶斯的部分，包括贝叶斯框架、共轭先验分布、贝叶斯计算困难（变分、MCMC）、贝叶斯网络，不过只是简介。
http://blog.csdn.net/u013599826/article/details/41210979
频率学派与贝叶斯学派是统计学学术界争论的焦点之一，可以发现，我们的标准统计学课本上是没有贝叶斯的，主要是频率学派。但现实应用中，贝叶斯学派却是大放光彩。
http://wenku.baidu.com/link?url=DtARzupxTq_Qof8hoEFjRXXo4d1iUhlghH9Kd7HEKPLJZjgFQpY169RoRy0s0s4zhX1DoTrQspALBSEQR5Lvq1a9CcyrHdFsQ-WagHPeZhK
主要讲贝叶斯框架，Mitchell做的ppt
http://site.douban.com/182577/widget/notes/10567181/note/278503359/
统计专业视角的贝叶斯讲义
http://bbs.pinggu.org/thread-2224767-1-1.html
本来是讲LDA模型，但却是我见过讲共轭先验分布讲的最好的文章。
http://www.crescentmoon.info/?p=709
变分法解决贝叶斯计算困难，变分法似乎是可以并行化的，所以是有使用价值的。

MCMC解决贝叶斯计算困难（未写）（MCMC目前还不能并行化）

《PRML》

当然看这个书是最好的，所有内容都有

另外还有Nonparametric Bayesian Models等前沿的议题