小白学习机器学习西瓜书的吉布斯采样遇到了疑问，希望各位能帮忙解答
0
悬赏园豆：160
[待解决问题]
我在学习西瓜书的时候，书上的案例是假如已知证据evidence是｛色泽，敲声，根蒂｝，且已知取值为｛青绿，浊响，蜷曲｝，查询目标Q=｛好瓜，甜度｝，查询的目标值的q=｛是，高｝，即这是好瓜且甜度高的概率有多大。
然后书上说吉布斯采样先随机产生一个与证据E=e一致的样本,问题一：为什么要产生一致样本呢？如果我用随机样本不应该也可以收敛吗？
算法经过T次迭代，得到n个与我们需要样本q一致的样本，最后后验概率P(Q=q|E=e)= n / T。问题二：那么这些样本是如何产生的呢，是固定了证据E不变，只变化Q的2个属性吗
