高斯过程/贝叶斯回归

http://www.gaussianprocess.org/gpml/chapters/
https://github.com/dfm/gp

• 线性回归
  y=ax+b, 最小二乘法， 用已有的数据集估算a和b,最小化损失函数
• 先验和后验概率
  参考链接：https://www.zhihu.com/question/24261751/answer/158547500
  https://blog.youkuaiyun.com/qq_23947237/article/details/78265026
  先验：未知条件下，根据直觉对事情的猜测
  后验：事情已经发生，这个事情由某个因素引起的可能性的大小。由结果推原因。可以表示为p（原因|结果）
  似然：p（结果|原因）
  贝叶斯公式：
  参考链接：https://www.jianshu.com/p/a7ed8b29f570
  https://www.cnblogs.com/yemanxiaozu/p/7680761.html
  p(a|b)=p(a)*p(b|a)/p(b)
  先有个事情a, 根据经验给出先验。当事情b已经发生后, 事情a的概率可能发生变化。根据p(b|a)/p(b)调整先验（增强或削弱或不影响先验）

最大后验估计和最大似然估计都是点估计，贝叶斯估计需要得到一个概率分布，不是点估计，是根据已经发生的事情对先验的不断修正。

贝叶斯回归
可以采用mcmc方法处理回归系数和预测值
如果没有先验，一般认为先验为高斯分布
参考链接：https://baijiahao.baidu.com/s?id=1598705784509790616&wfr=spider&am