【机器学习中的数学】比例混合分布

比例混合分布(Scale Mixture Distribution)

混合分布是来自其他随机变量的集合构成的随机变量的概率分布:一个随机变量是根据给定的概率从集合随机选取的,然后所选随机变量的值就得到了( first, a random variable is selected by chance from the collection according to given probabilities of selection, and then the value of the selected random variable is realized)。
当潜在的随机变量是连续的情况下,混合得到的随机变量也是连续的,并且其概率密度函数有时被称作是一个混合密度,其累积分布函数(cumulative distribution function)可以表示成其他分布函数的凸组合(convex combination,i.e. a weighted sum, with non-negative weights that sum to 1)。

有限可数混合体

给定一个有限的概率密度函数集合p1(x),...,pn(x),或者相对应的累积分布函数P1(x),...,Pn(x)和权值w1,...,wn(wi>=0,sum(wi)=1),该混合分布可以被表示为密度函数f,或者分布函数F:



这种类型的混合体称作有限混合(finite mixture)。

不可数混合体

当组成的分布式不可数的,这个分布就被称为混合概率分布(compound probability d

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
机器学习是一门涉及许多数学概念和方法的学科。《白话机器学习数学》这本书以简洁易懂的语言,介绍了机器学习所涉及的数学知识,包括线性代数、概率论、统计学等内容。书通过大量的实例和案例,帮助读者理解数学机器学习的应用,并且深入浅出地解释了数学原理对机器学习算法的影响。 首先,书讲解了线性代数在机器学习的重要性,涉及了向量、矩阵、特征值等概念,并解释了它们在数据处理和模型训练的作用。其次,书还介绍了概率论和统计学对机器学习的影响,例如贝叶斯统计、最大似然估计等方法在模型参数估计的应用,以及交叉验证、假设检验等统计学概念在模型评估的作用。 此外,书还涉及了优化算法和微积分等内容,帮助读者理解机器学习模型的训练过程和优化方法。除此之外,书还介绍了一些现代机器学习领域的前沿数学知识,如深度学习的神经网络结构、复杂模型的优化方法等。通过阅读这本书,读者可以系统地学习和理解机器学习所需要的数学知识,并且能够应用到实际的机器学习问题。 总之,《白话机器学习数学》这本书是一本很好的数学入门读物,它适合对机器学习感兴趣的读者,无论是初学者还是有一定基础的人,都可以从获得启发和帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值