为了能够建立知识学习后输出体系，开设这个系列，旨在通过记录博客输出学习到的机器学习内容，笔者所学为B站upshuhuai008白板推导系列，记录可能比不上原创，也可能有没理解不严谨的地方，请善意指正。感兴趣的可以去看UP白板
---------------------------------------------------------------------------
首先是频率派和贝叶斯派 为什么要提这两个派别，这和机器学习发展体系有关
先说结论，频率派---即后来的统计学派，众所周知，机器学习其实主要也是一些统计模型和方法
贝叶斯派------主要延伸出了概率图模型（目前了解不多，留飞雷神回头来补）
再说区别，频率派认为，只要试验数量足够多，就能逼近某一事件θ发生的最真实的概率，认为p(θ)不是变量
贝叶斯派认为，一切都是变量，现实情况是试验数量有限，比如扔了十次硬币九次正面，一次背面，正面朝上的概率是0.9，而不是传统的无限次试验得到的0.5
变量的概率受到已有的观测数据产生的认知影响，把变量和人类的初始认知结合起来预测后面的事情。
好。背景讲完了，先来介绍第一个模型，线性回归。从几何意义、概率角度和正则化三个方面来说。（博客怎么敲公式啊，等我研究一下再补）
标签：学习,概率,机器,变量,推导,白板,贝叶斯,---- From： https://www.cnblogs.com/lcx-pro/p/18522163