5.1 导言
评论
我们已经看到了各种不同的概率模型，并且也讨论了如何拟合数据，即我们讨论过使用各种不同的先验来计算MAP参数估计 \(\hat{\boldsymbol{\theta}}={\rm argmax} \ p(\boldsymbol{\theta} | \mathcal{D})\) 。 我们还讨论了对于某些特殊情况如何计算完整的后验 \(p(\boldsymbol{\theta} | \mathcal{D})\) ，以及后验预测密度 \(p(\boldsymbol{x} | \mathcal{D})\) （在后面的章节中，我们将讨论一般情况下的算法）。
使用后验分布来总结我们对未知变量集的了解，这是贝叶斯统计的核心。 在本章中，我们将更详细地讨论这种统计方法。 在第6章中，我们讨论了一种称为频率统计或经典统计的替代统计方法。