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）

==继续上面的博文，这次发现了一个对机器学习以及概率统计都有深入研究的博主：bitcarmanlee------https://blog.csdn.net/bitcarmanlee/article/details/77604484
这个博主的几篇博文都值得我们持续跟踪学习;
1)核函数(Kernel Function)与SVM
https://blog.csdn.net/bitcarmanlee/article/details/77604484
核函数把低维空间映射到高维空间
核函数的作用就是隐含着一个从低维空间到高维空间的映射，这个映射可以把低维空间中线性不可分的两类点变成线性可分的。
带你理解beta分布
*************连接：qjgodshttps://blog.csdn.net/a358463121/article/details/52562940
https://blog.csdn.net/bitcarmanlee/article/details/82156281
用一句话说beta分布可以看作一个概率的概率分布，当你不知道一个东西的具体概率是多少时，它可以给出了所有概率出现的可能性的大小
beta分布与二项分布是共轭先验的，所谓的共轭先验就是先验分布是beta分布，而后验分布同样是beta分布。因此对于一个我们不知道概率是什么，而又有一些合理的猜测时，beta分布能很好的作为一个表示概率的概率分布。

最容易理解的对卷积(convolution)的解释**********https://blog.csdn.net/bitcarmanlee/article/details/54729807
卷积的重要的物理意义是：一个函数（如：单位响应）在另一个函数（：如：输入信号）上的加权叠加
加权叠加
在输入信号的每个位置，叠加一个单位响应，就得到了输出信号。

---