对贝叶斯(Bayes)线性回归的理解（一）

线性回归假设:$Y=\beta_1X+\beta_0+\epsilon$

我们假设数据具有以下形式：
$y=\beta_1x+\beta_0+\epsilon$ where $\epsilon$~$N(\mu, \sigma_{\epsilon}^{\mu})$
这样的模型可以生产如下的数据：

普通最小二乘法(OLS)线性回归

如果我们有上图所示的一个数据集，我们就需要找到一条合适的直线来描述上述的数据，可以通过以下公式来描述这条直线：
$y=\beta_1x+\beta_0$
我们的目标是找到$\beta_0$和 β1