边际似然是奥卡姆剃刀的数学化身

边际似然 $p(\mathbf{y}|X,\theta)$ 的对数可以分解为数据拟合项和复杂度惩罚项——惩罚的大小恰好等于有效参数数量。这意味着贝叶斯框架不需要手动设置正则化强度，正则化从概率计算中"涌现"出来。这改变了一种根深蒂固的思维：正则化不是外部强加的约束，而是模型自然的倾向。