在过去的几个月里，我在数据科学领域里遇到一个术语：马尔可夫链蒙特卡罗（MCMC）。在博客或文章里，每次看到这个语，我都会摇摇头，有几次我试着学习MCMC和贝叶斯推理，但每次一开始，就很快放弃了。我学习新技术的方式都是把它应用到一个实际问题上。
通过使用一些数据和一本应用实战的书（Bayesian Methods for Hackers），我终于通过一个实际项目弄懂了MCMC。像往常一样，当把这些技术概念应用到实际问题中时，理解它们要比阅读书上的抽象概念更容易。本文通过介绍Python中的MCMC实现过程，最终教会了我使用这个强大的建模和分析工具。
本项目的完整代码和相关数据在GitHub上可以找到。本文重点讨论了应用程序和结果，涵盖了很多有深度的内容。
介绍
实际生活中的数据永远不是完美的，但我们仍然可以通过正确的模型从噪音数据中提取有价值的信息。