指数族分布可以应用于广义线性模型(回归/分类)、概率图模型（RBM）、和变分推断（简便运算）中。
指数族分布的具体表示形式如下：
P(x|g)=h(x)exp(gTfai(x)-A(g)).
其中fai(x)为充分统计量，A(g)为对数配分函数（log partition function）【配分函数其实就是归一化因子的概念，为了使概率满足概率总和为1的约束】。
对数配分函数的推导
指数族分布有三个重要性质，分别是充分统计量、共轭、最大熵。
关于充分统计量：（sufficient statistic）的理解：比如高斯分布中的{均值、方差}就是一组充分统计量，通过{均值，方差}我们就能得到这一组数据的大部分信息。（待确定）
不仅是{均值，方差}，也可以是{sum(xi),sum(xi)^2}...，【查找相关统计概念】
充分统计量“充分”指的就是参数组{ ..}包含的原始数据的信息足够多，可以用于压缩数据。
“统计量”指的就是数学意义上一组数据的统计量，比如均值，方差...。
关于共轭：是通过似然和先验的共轭关系，将先验的分布与后验的分布联系起来。如果似然和先验共轭，那么后验的分布与先验的分布是同一种分布。
关于最大熵：【待定：对未知参数的估计，往最随机的方向假定。】
参考：
1.https://www.bilibili.com/video/BV1QW411y7D3?p=2，B站UP主：shuhuai008