以下记录了我的学习历程，按我的阅读顺序排序。
##Prior, Likelihood, Posterior
MLAPP第3.2节，讲的很好，用了一个叫 number game 的小游戏做例子，通俗易懂
##距离和相似度度量
距离和相似度度量 » webdataanalysis.net
##KNN(K Nearest Neighbor)
K Nearest Neighbor 算法 _ 酷壳 – CoolShell
K-nearest neighbors algorithm – Wikipedia
##K-Means
K-Means 算法 _ 酷壳 – CoolShell
k-means clustering – Wikipedia
算法杂货铺——k均值聚类(K-means) – T2噬菌体 – 博客园
漫谈 Clustering (1)_ k-means « Free Mind
Text Documents Clustering using K-Means Algorithm – CodeProject
##PCA(Principal Components Analysis)
2002. Lindsay I Smith. A tutorial on Principal Components Analysis
##因子分析(Factor analysis)
因子分析（Factor Analysis）- JerryLead - 博客园
##期望最大化(EM, Expectation Maximization)
2009. Sean Borman. The Expectation Maximization Algorithm A short tutorial
李航.《统计学习方法》，P155 第9章 EM算法及其推广. 2012.
##支持向量机(SVM, Support Vector Machines)
Andrew Ng. CS229 Lecture notes Support Vector Machines
##隐马尔科夫模型(Hidden Markov Model, HMM)
李航《统计学习方法》第10章 隐马尔科夫模型，讲得非常好，有非常具体的例子
##条件随机场(CRF, Conditional Random Field)
Introduction to Conditional Random Fields
李航.《统计学习方法》，P192 第11章 条件随机场. 2012.
##LDA
LDA数学八卦