为什么要采样？
在深度学习中，许多函数的分布难以直接求解，所以我们要用采样的办法来近似的求解（蒙特卡洛法求解）。
采样就采样，为什么需要采样算法？
许多函数是要计算积分的，我们无法直接通过计算得到函数的值，因此我们需要采样算法，首先构造一个容易采样的参考分布，对参考分布进行采样，然后对得到的样本进行后处理，得到目标分布。
低纬数据的采样方法
拒绝采样
看图很容易理解思
重要性采样
用于计算期望
MCMC
马尔科夫链定理
蒙特卡洛方法
蒙特卡洛方法就是通过抽样逼近难以计算的值，比如求圆的面积的时候的使用撒豆法，而MCMC方法比较有代表性的方法有两种，Metropolis-Hastings Sampling 以及Gibbs Sampling
image.png
Metropolis-Hastings
吉布斯采样
MCMC采样的性质
