突发奇想，可以把每天学的东西搞成个问答形式，就像理想国那种对话形式，有点不好说清楚的东西这样一来就能表达的很生动很清楚了！（还可以看着问题回想答案
内容选材上尽量都是基本、常用且重要的知识点。尽量简洁。
（打字好麻烦，还是在笔记本上写字方便。也不知道做这个能做多久）
问：概率与统计的区别是什么？
答：看笔记本
问：什么是似然函数？
答：似然函数p(x|θ)：当x是已知确定的，θ是变量，p(x|θ)这个函数叫做似然函数。
当θ是已知确定的，x是变量，p(x|θ)这个函数叫做概率函数。
问：最大似然估计（MLE）是什么？
答：求参数θ，使似然函数p(x|θ)最大。
问：那怎么理解呢？
答：在事件x发生的前提下，找出使事件x发生概率最大的参数θ。
问：最大后验概率估计（MAP）是什么？
答：求参数θ，使p(x|θ)p(θ)最大。
问：怎么理解呢？
答：就是说，求得的θ不仅仅让似然函数大，θ自己出现的概率（先验概率）也得大。有点像正则化加入惩罚项的感觉。
此外，p(θ|x) = p(x|θ)p(θ) / p(x) , 被称为后验概率。
问：停，后验概率p(θ|x)与似然函数p(x|θ)有什么区别？还有p(x|θ)不是还可以是概率函数嘛？你怎么指定他是似然函数还是概率函数？
答：先回答第二个问题，上面问'什么是似然函数'那里不是说了吗。而且不用指定，就是直接能知道的啊。
后验概率p(θ|x)是在x发生前提下，某个θ的概率，他是一个从逻辑上讲只关于θ的概率；
似然函数p(x|θ)是在x发生前提下，θ取值为θ时（能明白吧？）x发生的概率。他是一个从逻辑上讲关于x的概率。这里举例：x发生了，若θ=0.3，则x发生的概率为0.5；若θ=0.1，则x发生的概率为0.9。很明显，既然x已经发生了，那么θ等于0.1的概率要远远大于0.3。因为x都已经发生了啊。
问：马尔可夫毯（markov blanket）是什么？
答：马尔可夫毯是贝叶斯网络中的概念。给定一个节点T，他的MB是唯一的，包括T的所有父、子和配偶（和T有共同孩子的）节点，如下图：
问：那什么是马尔可夫边界（markov boundary）呢？
答：变量T的MB是U（变量的完整集合）的任何最小子集，它使得U的其余部分与T无关。