本章的主要工作在基於訓練集的特徵向量，估計概率密度函數。
1，貝葉斯決策理論
條件概率公式。其中P（w）爲先驗概率，P(x|w)爲類條件概率密度
2,基於正態分佈的貝葉斯分類
高斯分佈和正態分佈是最常見的PDF，主要原因是計算的良好性和對大樣本的建模。中心極限定理是統計學中最著名的定理：大量相互獨立的隨機變量，其均值的分佈以正態分佈爲極限。
3,未知的概率密度函數估計方法
·最大似然參數估計
·最大後驗概率估計
·貝葉斯推論
·最大熵估計
·混合模型
·非參數估計
·Naive-Bayes分類器
PS:發現看到第二章就感覺很枯燥啊，看看第3條任一個方向都夠看的。希望能再多堅持寫一些！