见PRML
given a data sample, 我们要求其分布，如果是parametric的Bayesian，我们会设定一个model ，假定是gaussian，参数为u，theta，
但是最后可能整个参数空间的值，after model selection,都不能很好的fit 这个data sample。所以我们需要换一个model，可以换成GMM，再tuning 其参数，
但是有的时候，还是不能达到很好的fitting performance。
这个时候我们就可以考虑用non parametric Bayesian, 例如
1. kernel destimation estimator
2. KNN
