先验证分布，后验分布，先验可能性，后验可能性

内容摘自于《Mathematics for Machine Learning》

先验：prior

后验：posterior

inference: transforming prior probability to posterior probobility.

learning: estimating the likelihood of model for a given dataset.

random variable : a function that maps outcomes of a random experiments to real numbers.(将一个事件映射为数字)

     6.21

之前一直对先验和后验不是很理解，在看这段内容的时候，感觉概念稍微清晰了一些。在学习的过程中发现对概念的理解很重要。下面说一下我对这段话的理解：

我们建立机器学习模型的目的是已知X，对Y进行预测，即求得p(y|x)，根据贝叶斯公式可以得到，书里说在机器学习中p(x)是很难估计的（不明白为什么），所以就要用这个公式来求p(x)。所以所谓的先验就是我们已知知道的信息，后验则是经过计算后得到的信息（条件关系）

这段话摘自《统计学习理论的本质》，依赖关系P(y|x)，观测P(y)——先验