蒙特卡洛（Monte Carlo）法求定积分

最新推荐文章于 2024-08-06 17:31:09 发布

白马负金羁

最新推荐文章于 2024-08-06 17:31:09 发布

阅读量6.3w

点赞数 38

分类专栏：机器学习之道文章标签：机器学习蒙特卡洛 MonteCarlo 随机算法

本文链接：https://blog.csdn.net/baimafujinji/article/details/53869358

版权

机器学习之道专栏收录该内容

37 篇文章 1381 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了蒙特卡洛法在求解定积分中的应用，包括投点法和期望法。投点法通过随机向函数的积分区间内投点，估算函数下方点的比例来近似积分。期望法利用随机变量的期望值来计算积分，当点的数量增加，近似值更接近真实值。这种方法在机器学习和统计分析中有广泛应用。

摘要由CSDN通过智能技术生成

蒙特卡洛（Monte Carlo）法是一类随机算法的统称。随着二十世纪电子计算机的出现，蒙特卡洛法已经在诸多领域展现出了超强的能力。在机器学习和自然语言处理技术中，常常被用到的MCMC也是由此发展而来。本文通过蒙特卡洛法最为常见的一种应用——求解定积分，来演示这类算法的核心思想。

欢迎关注白马负金羁的CSDN博客 http://blog.csdn.net/baimafujinji，为保证公式、图表得以正确显示，强烈建议你从该地址上查看原版博文。本博客主要关注方向包括：数字图像处理、算法设计与分析、数据结构、机器学习、数据挖掘、统计分析方法、自然语言处理。

无意识统计学家法则（Law of the unconscious statistician）

这是本文后续会用到的一个定理。作为一个预备知识，我们首先来介绍一下它。先来看一下维基百科上给出的解释。
In probability theory and statistics, the law of the unconscious statistician (sometimes abbreviated LOTUS) is a theorem used to calculate the 期望值 of a function