（导航）（2022年7月～8月）概率论，概率图模型，Markov，贝叶斯网络（等）

WARNING: This article may be obsolete
This post was published in 2022-09-01. Obviously, expired content is less useful to users if it has already pasted its expiration date.

This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.

大致顺序应该是：

先补了下概率论（就是那种基本概率论，用条件概率推的）和贝叶斯

然后通过PRML第8章 graphics model学习了一些概率图模型/图网络的推导

然后系统学习了 Markov家族（各种markov变种）以及bayesian filtering（贝叶斯滤波）

最后试图学kalman filter，但没学懂（然后这个系列就结束了）

如果长时间没推概率公式，需要快速回顾：在🔗 [贝叶斯网络 - Truxton's blog] https://truxton2blog.com/bayesian-network-introduce/ 的开头有一章专门总结了常见概率推导公式：