机器学习-高斯模型

高斯模型的公式推导过程
通过学习线性模型之后，我们会有这样的疑问，如果现实中实例，他的分布不是线性模型的话怎么办？事实上，现实中很多实例他并不是服从线性关系。
比如智商分布图

对于这样的问题，很显然我们依然用线性模型的话是不合适的。
由此，我们引入高斯模型。高斯模型即是我们所熟悉的正太分布。

在使用这一模型的前提条件是，我们假设 在不同的测试数据中，误差变量是 独立同分布的，我们通常情况下假设 误差变量服从一正太分布

这样我们就可以得出目标函数y的分布率（注意：因为我们是假设了误差是独立同分布随机变量，所以不同测试数据之间的y也是服从独立同分布，这样也就为我们后面计算概率最大值提供可行性）
到这一步，我们就解决了y的模型问题，之前一直纠结于非线性问题，我们如何解决，现在解决了吧！

到了这一步，我们要算最大值 其实就是算
他的最大值

算最大值的方法同线性回归。