雅克比变换

雅克比变换

最近在读变分推理论文Variational Inference with Normalizing Flows.时，涉及到了雅克比变换相关知识，也就是下式的分布的变换。

当$z^{\prime }=f(z)$且$q$表示分布函数时：

这里补充记录下雅克比变换的数学知识。当我们知道x的概率分布时，雅可比变换是一种确定变量y的概率分布的代数方法，其中y是关于x的函数。首先定义：

• 变量x的概率密度函数为$f(x)$，累积分布函数为$F(x)$；
• 变量y的概率密度函数为$f(y)$，累积分布函数为$F(y)$；
• y与x具有函数关系，且呈单调递增

那么我们认为累积分布函数的变化是一致的：

$dF(y)=dF(x)$

从而有：

$|f(y)dy|$= $|f(x)dx|$

重构之后，可以得到：

$f(y)=\left|\frac{dx}{dy}\right|f(x)$ 其中，$\left|\frac{dx}{dy}\right|$就是神奇的Jacobian(雅克比行列式)

综上所述，我们也会很容易理解论文里的推导。