概率密度函数（Probability Density Function，简称 PDF）是在概率论和统计学中用来描述随机变量的概率分布的函数。对于连续型随机变量，概率密度函数表示在某一点附近的概率密度。
概率密度函数在统计学中的应用非常广泛，特别是在描述和分析连续型随机变量时。常见的概率密度函数包括正态分布、均匀分布、指数分布等。这些函数在建模实际问题、进行假设检验和推断等方面发挥着重要的作用。
最常见的连续概率分布是正态分布，也叫高斯分布，而这正是我们所需要的，其概率密度函数如下:
公式如下：
随着参数μ和σ变化，概率分布也产生变化。 下面重要的步骤来了，我们要把一组数据误差出现的总似然，也就是一组数据之所以对应误差出现的整体可能性表达出来了，因为数据的误差我们假设服从一个高斯分布，并且通过截距项来平移整体分布的位置从而使得μ=0，所以样本的误差我们可以表达其概率密度函数的值如下:
简化如下：
3.5、误差总似然
和前面黑球白球问题类似，也是一个累乘问题~
根据前面公式$\varepsilon_i = |y_i - W^Tx_i|$可以推导出来如下公式：
公式中的未知变量就是$W^T$，即方程的系数，系数包含截距~如果，把上面当成一个方程，就是概率P关于W的方程！其余符号，都是常量！
现在问题，就变换成了，求最大似然问题了！不过，等等~
累乘的最大似然，求解是非常麻烦的！
接下来，我们通过，求对数把累乘问题，转变为累加问题（加法问题，无论多复杂，都难不倒我了！）
