最近从新开始学习机器学习，在看《统计学习方法》一书，其中提到：从贝叶斯估计的角度来看，正则化项对应于模型的先验概率。
然后发现自己无法理解这句话的意思，于是，求助于google，找到了一篇写的还不错的博客：[从贝叶斯的角度来看，正则化等价于对模型参数引入先验分布]https://www.zhihu.com/question/23536142/answer/90135994
但是看上面那篇博客时，我发现，这篇文中有也很多我不懂的地方，首先我需要知道什么是贝叶斯回归…于是，继续google，然后，找到了另一篇通俗易懂的博客，分析了我们常用的频率线性回归和贝叶斯线性回归：[Introduction to Bayesian Linear Regression]https://towardsdatascience.com/introduction-to-bayesian-linear-regression-e66e60791ea7
总之，感受到自己的理论基础太差了，要学的东西很多；尤其是数学这一块，一直是我最头痛的地方，但是，还是要认真学啊…