xyqzki的专栏

General的regression，我们看做，given x1 vector, x2 vector,..., xn vector,来求fit 这个data sample 最合适的function or 分布，首先可以用polynomial的分布，可能这个分布无论如何tuning 参数weight，也不能很好的fit these data，然后可以考虑使用其他的分布形式，但是最

见PRMLgiven a data sample, 我们要求其分布，如果是parametric的Bayesian，我们会设定一个model ，假定是gaussian，参数为u，theta，但是最后可能整个参数空间的值，after model selection,都不能很好的fit 这个data sample。所以我们需要换一个model，可以换成GMM，再tuning 其参数，

http://www.gatsby.ucl.ac.uk/~ywteh/teaching/npbayes/mlss2007.pdfhttp://mlg.eng.cam.ac.uk/tutorials/07/ywt.pdfmodel selection 就是说 model有很多参数，参数空间组成了很多不同的model，model selection就是选择一个最合适的paramer

ref:http://www.psych.utah.edu/gordon/Classes/Psy4905Docs/PsychHistory/Cards/Logic.htmlLogical arguments are usually classified as either 'deductive' or 'inductive'.Deduction: In the process of ded

Given a set of observed data, two clusters generated by GMM of two components, we need to find a model to fit them. For parametric model, we can see the observed data's appearance or empiric

仅仅是把z的选取 从以前的multinomial 分布改成了，condition on previous z与 G的分布，这个分布可以用CRP， or stick construction来刻画

nonparametric 也要做model selection，即alpha，选择一个new cluster的概率，就是说我们可以通过alpha调整用来fit 这些dataset的cluster 数目