顯著性檢驗要“僵硬地”設定一個小機率事件,而貝葉斯估計能夠直接給出引數的機率分佈,零假設在機率分佈中的位置一目瞭然
最佳化從某個角度其實可以認為測試集的資料樣本是在訓練集樣本分佈下的擾動,我們可以去模擬這個擾動或是去分析它~這其中有一個經典問題是 over-permission,比如在分類問題中為了去達到整體最優或是對擾動魯棒,模型直接選擇平均所有樣本的