從貝氏的世界看 curve fitting: Maximum Likelihood (ML)、Maximum a Posteriori (MAP)

對於初探機器學習領域,以及 curve fitting 的學習者來說,肯定會讀到 curve fitting 的演算法,若是選用 Bishop 大師出版的 Machine learning 作為學習教材,一定會被其中大量的數學式子轟炸,並且對機器學習領域開始怯步,本文的目的在於幫助讀者理解貝氏世界裡的 curve fitting,從 ML 學派再到 MAP 學派,最後推導出 predictive distribution 的結果。