多维正态分布
均值决定中心位置, covariance matrix协方差矩阵表示分布范围,当有多个随机变量 时,可以使用协方差矩阵来衡量这些随机变量两两之间的相似程度
协方差矩阵:
是一个对称矩阵,决定了二维高斯分布的形状;
协方差矩阵的对角线元素为x和y轴的方差;
反斜对角线上的两个值为协方差,表明x和y的线性相关程度,正值时:x增大,y也随之增大;负值时:x增大,y随之减小。
极大似然估计函数,把样本中的概率全部通过高斯函数计算出×起来,对u,协方差矩阵求导,求出极值,这个u,协方差矩阵就是最拟合这个数据集的高斯分布
用同一个协方差矩阵效果更好
贝叶斯函数可以推出来sigmoid函数,损失函数就是交叉熵