==繼續(xù)上面的博文，這次發(fā)現(xiàn)了一個對機器學習以及概率統(tǒng)計都有深入研究的博主：bitcarmanlee------https://blog.csdn.net/bitcarmanlee/article/details/77604484
這個博主的幾篇博文都值得我們持續(xù)跟蹤學習;
1)核函數(shù)(Kernel Function)與SVM
https://blog.csdn.net/bitcarmanlee/article/details/77604484
核函數(shù)把低維空間映射到高維空間
核函數(shù)的作用就是隱含著一個從低維空間到高維空間的映射，這個映射可以把低維空間中線性不可分的兩類點變成線性可分的。
帶你理解beta分布
*************連接：qjgodshttps://blog.csdn.net/a358463121/article/details/52562940
https://blog.csdn.net/bitcarmanlee/article/details/82156281
用一句話說beta分布可以看作一個概率的概率分布，當你不知道一個東西的具體概率是多少時，它可以給出了所有概率出現(xiàn)的可能性的大小
beta分布與二項分布是共軛先驗的，所謂的共軛先驗就是先驗分布是beta分布，而后驗分布同樣是beta分布。因此對于一個我們不知道概率是什么，而又有一些合理的猜測時，beta分布能很好的作為一個表示概率的概率分布。

最容易理解的對卷積(convolution)的解釋**********https://blog.csdn.net/bitcarmanlee/article/details/54729807
卷積的重要的物理意義是：一個函數(shù)（如：單位響應）在另一個函數(shù)（：如：輸入信號）上的加權疊加
加權疊加
在輸入信號的每個位置，疊加一個單位響應，就得到了輸出信號。

---

總結

以上是生活随笔為你收集整理的Python视觉摄像头检测有趣项目之机器学习和概率论重点概念分析重要（三）（重点）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。