【机器学习】【白板推导系-笔记2
把概率引入机器学习中是一件很自然的事情。
注解：
1.X是数据:N个数据，每个数据的纬度是p维。
2.概率模型的解释和例子：
注解：
1.频率派认为：参数θ是未知的常量，数据是随机变量。
2.提倡用极大似然估计把1中的未知常量参数估计出来。
注解：
1.为了简化计算，对极大似然估计的表达式等式两边同时取log.
2.等式连边同时取log之后，等式右边的连乘变成了连加。
注解：
1.贝叶斯派认为参数θ也是一个随机变量，服从一定的概率分布。
注解：
1.先验和后验通过似然联系起来。
2.P(X)是在θ（此符号可以通过win键+句点调出来）空间上的一个积分。
