背景：最大似然法学习的简单的线性回归模型的第二个缺点——更正假设：对观测数据x进行非线性变换，使得满足如下（f[·]代表一个非线性变换）——重新建模、学习和推理：最大似然方法：建模：构建关于全局状态的后验函数（似然函数）。原始的模型：令Z←X，学习：最大化上述似然函数，令偏导等于0，求得参数关于已知数据的表达式。原模型的学习结果：令Z←X，推理：将新观测数据和预测分布代入已求得分布参数的模型中，计

摘抄自： Foundations of Machine Learning - second edition - Mehryar Mohri 等 - page 410。