##项目概要 该项目是关于机器学习经典书籍《Pattern Recognition and Machine Learning》的学习笔记，用python实现了书籍中的大部分实例，希望帮助大家更好的理解抽象的概念和复杂的公式。 希望感兴趣的童鞋能多多支持，给我☆☆STAR☆☆！！我会继续努力的！
##内容目录
###1. 概率分布(Probability Distribution)
- 1.1 Binary_Variables——二元变量、伯努利分布、二项式分布、Beta分布作为二项式分布的先验概率分布
- 1.2 Multinomial_Variables——多项式分布、狄利克雷分布
- 1.3 The_Gaussian_Distribution——高斯分布、高斯分布的几何解释
###2. 用于回归问题的线性模型(Linear Models for Regression)
###3. 用于分类问题的线性模型(Linear Models for Classification)
###4. 神经网络(Neural Networks)
###5. 核方法(Kernel Methods)
###6. 稀疏核机(Sparse Kernel Machines)
###7. 图模型(Graphical Models)
###8. 混合模型(Mixture Models)
###9. 近似推断(Approximate Inference)
###10. 采样方法(Sampling Methods)
###11. 连续潜在变量(Continuous Latent Variables)
###12. 序列数据(Sequential Data)
###13. 组合模型(Combining Models)