機器學習中的MLE和MAP兩大學派的爭論：
頻率學派 - Frequentist - Maximum Likelihood Estimation (MLE，最大似然估計)：
頻率學派認為世界是確定的，有一個本體，這個本體的真值是不變的，我們的目標就是要找到這個真值或真值所在的范圍。
貝葉斯學派 - Bayesian - Maximum A Posteriori (MAP，最大后驗估計)：
貝葉斯學派認為世界是不確定的，人們對世界先有一個預判，而后通過觀測數據對這個預判做調整，我們的目標是要找到最優的描述這個世界的概率分布。
在對事物建模時，用θ表示模型的參數，請注意，解決問題的本質就是求θ。那么：
頻率學派：存在唯一真值θ。當數據量趨於無窮時，這種方法能給出精准的估計；然而缺乏數據時則可能產生嚴重的偏差。
貝葉斯學派： θ是一個隨機變量，符合一定的概率分布。在貝葉斯學派里有兩大輸入和一大輸出，輸入是先驗 (prior)和似然 (likelihood)，輸出是后驗 (posterior)。
先驗，即P(θ)，指的是在沒有觀測到任何數據時對θ的預先判斷，似然，即P(X|θ)，是假設θ已知后我們觀察到的數據應該是什么樣子的；后驗，即P(θ|X)，是最終的參數分布。
隨着數據量的增加，參數分布會越來越向數據靠攏，先驗的影響力會越來越小