白板推倒引言

有数据 矩阵大小为N×P。现假定有为参数希望得到数据的分布
如何求得参数，从而构造模型。

一、频率派

假定是未知的常量，使用极大似然估计MLE

二、贝叶斯派

假定服从一定的概率分布 —-为先验分布prior
那么 后验分布 postprior 其中为似然likelihood；
使用最大后验估计MAP
得到之后，通过后验概率公式计算后验分布。
之后我们有了似然（模型）和后验，就可以通过求
得到预测了。

三、总结

贝叶斯一般对应概率图模型，其本质是求积分，eg. MCMC
频率一般是指统计机器学习，本质是优化问题。