CS229《机器学习》笔记 | 多元高斯分布的边缘分布和条件分布

最新推荐文章于 2024-05-30 09:52:37 发布

Kinosum

最新推荐文章于 2024-05-30 09:52:37 发布

阅读量8.3k

点赞数 14

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/denalmighty/article/details/81090311

版权

吴恩达的《机器学习（CS229）》Lecture note 9（Part X Factor analysis）中提及了多元高斯分布的边缘分布和条件分布，指出这两者本身亦是高斯分布，但没有给出详细的证明。我自己尝试着推导，但不得要领，直到上网搜索后才恍然大悟。现将该证明过程记录于此，关键在于对协方差矩阵进行LDU分解。

边缘分布

一个多元概率分布的部分元所服从的概率分布即边缘分布，通过将剩余元求和或积分得到。比如，对于一个二元（用X，Y代表其随机变量）概率密度函数 $p_{X,Y}(x,y)$ （可理解为X∈[x, x+dx]且Y∈[y, y+dy]的概率），X所服从的边缘分布的密度函数通过将变量Y积分得到，即

$p_X(x)=\int p_{X,Y}(x,y)dy$ （1）

代表X∈[x, x+dx]而Y可以是任意值的概率。

条件分布

设A和B是两个事件，条件概率定义为在事件A发生的条件下，事件B发生的概率

$P(B|A)=\frac{P(AB)}{P(A)}$ （2）

依旧以上述的二元概率密度为例，根据定义，其条件概率密度即为

$p_{X|Y}(x|y)=\frac{p_{X,Y}(x,y)}{p_Y(y)}$ （3）

于是，上述的边缘概率密度也可进一步表示为

$p_X(x)=\int p_{X,Y}(x,y)dy=\int p_{X|Y}(x|y)p_Y(y)dy$ （4）

多元高斯分布

多元高斯分布是一维情况的推广。在一维时，假设随机变量X服从高斯分布，其概率密度为

$p_X(x)=\frac{1}{\sqrt{2\pi}\sigma}\exp\left[-\frac{(x-\mu)^2}{2\sigma^2} \right]$ （5）

记作 $X\sim N\left ( \mu,\sigma^2 \right )$ ，其中 $\mu$ 为随机变量X的期待值， $\sigma^2$ 为方差。现推广到n个随机变量 $\{ X_1,\ X_2,\ \cdots, X_n\}$ ，此时，对应的密度函数指数部分为这n个变量的一个二次型（假设各随机变量的期待值均为0），即一个实系数的二次齐次函数

最低0.47元/天解锁文章

关注

14
点赞
踩
54

收藏

觉得还不错? 一键收藏
3
评论
CS229《机器学习》笔记 | 多元高斯分布的边缘分布和条件分布

吴恩达的《机器学习（CS229）》Lecture note 9（Part X Factor analysis）中提及了多元高斯分布的边缘分布和条件分布，指出这两者本身亦是高斯分布，但没有给出详细的证明。我自己尝试着推导，但不得要领，直到上网搜索后才恍然大悟。现将该证明过程记录于此，关键在于对协方差矩阵进行LDU分解。边缘分布一个多元概率分布的部分元所服从的概率分布即边缘分布，通过将剩余元求...
复制链接

扫一扫

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。