摘要：
1. 伯努利分布 现在问题是假如我们考虑抛硬币，如果3次都是head,那么根据伯努利，MLE推断 参数 那么我们会认为每次投掷都会是head,这显然与常识不符， 这里我们如果有一个先验知识就能纠正这个问题（考虑贝叶斯分类器中的0概率事件处理其实也是加一个先验知识而已来进行平滑）,那么怎么加入先验知识呢？ 这里我们利用贝叶斯法则，我们从原来的 来估算参数，改为后验 也即等价 估算参数。 这里我们希望 有类似的形式。从而引出了beta 分布，注意与(先验）的形式类似，只不过(a,b)变成(m+a, l+b)，即我们的先验知识由于实际看到的情况做出来相应调整。 2. Beta分布 注意这里的Bin是 阅读全文
