高斯判别模型，内容其实非常简单 对于大多数模型，无非就是做这么几件事情 1.假设模型 2.设定参数，表示概率 3.用最大似然，通过样本算出参数 4.用得到的参数，再去测试数据里计算概率
高斯模型判别是是这样，因为是判别吗，所以我们就把判别结果用0，1两种结果来表示，这样自然就想到要用伯努利。 高斯模型第二个假设是，我们认为对应两种判别结果分布于两种标准正态高斯模型。
举个例子： 比如一群男人追一个女神，都给女神写信，女生接受信封为结果1，女生不接受信封结果0 而分成部分男人，他们的身高，颜值，智商，财富都是呈高斯分布的，只是平均值不一样，可能被接受的那部分群体，身高高，颜值高，智商高，财富高，但是不一定，这个要根据女神口味来决定。
表示出概率：
算似然： 求参数
这个是样本图例，是一个二维的，而我们刚才举的追女神的例子，那个是四维的，显然四维的是没法想象的图形。
接下来算分别属于两种高斯下是概率是多少就好了，哪个概率大，那就是哪个模型，就是哪种结果。
