前几题都是抄的原题，后面几题太长了，就写了个大概。1， 请说明参数正则化和参数先验之间的联系；并解释在机器学习模型参数估计中用正则化的目的是什么。（6分）2. 请给出条件熵的定义。并举一本课程应用该方法的例子（应该是一本课程，不是一本例子）。说明这样做的好处是什么。给出你的直观解释。（8分）3. 朴素贝叶斯模型的基本假设是什么？这样的假设会带来什么样的好处。如果在实际应用中该假设满足，则朴素贝叶斯