【机器学习】贝叶斯线性回归（最大后验估计+高斯先验）

引言 若是要将极大似然估计应用到线性回归模型中，模型的复杂度会被两个因素所控制：基函数的数目（的维数）和样本的数目。尽管为对数极大似然估计加上一个正则项（或者是参数的先验分布），在必定程度上能够限制模型的复杂度，防止过拟合，但基函数的选择对模型的性能仍然起着决定性的做用。函数 上面说了那么大一段，就是想说明一个问题：因为极大似然估计老是会使得模型过于的复杂以致于产生过拟合的现象，因此单纯的使用极大

>>阅读原文<<