这篇博客详细介绍了机器学习中常用的概率分布，包括伯努利分布、范畴分布、二项分布、均匀分布、高斯分布、指数分布、拉普拉斯分布、狄拉克分布、经验分布、贝塔分布、狄利克雷分布和逻辑斯谛分布。这些分布在统计建模和概率论中扮演着重要角色，是理解机器学习算法基础的必备知识。
分类目录：《机器学习中的数学》总目录
相关文章：
· 常用概率分布（一）：伯努利分布（Bernoulli分布）
· 常用概率分布（二）：范畴分布（Multinoulli分布）
· 常用概率分布（三）：二项分布（Binomial分布）
· 常用概率分布（四）：均匀分布（Uniform分布）
· 常用概率分布（五）：高斯分布（Gaussian分布）/正态分布（Normal分布）
· 常用概率分布（六）：指数分布（Exponential分布）
· 常用概率分布（七）： 拉普拉斯分布（Laplace分布）
· 常用概率分布（八）：狄拉克分布（Dirac分布）
· 常用概率分布（九）：经验分布（Empirical分布）
· 常用概率分布（十）：贝塔分布（Beta分布）
· 常用概率分布（十一）：狄利克雷分布（Dirichlet分布）
· 常用概率分布（十二）：逻辑斯谛分布（Logistic 分布）
伯努利分布（Bernoulli分布）是单个二值随机变量的分布。它由单个参数 ϕ ∈ [ 0 , 1 ] \phi\in[0, 1] ϕ∈[0,1]控制， ϕ \phi ϕ给出了随机变量等于 1 的概率。它具有如下的一些性质：
- 试验成功的概率为 ϕ \phi ϕ： P ( x = 1 ) = ϕ P(x=1)=\phi P(x=1)=ϕ
- 试验失败的概率为 1 − ϕ 1-\phi 1−ϕ： P ( x = 0 ) = 1 − ϕ P(x=0)=1 - \phi P(x=0)=1−ϕ
- 试验的期望为 ϕ \phi ϕ： E [ x ] = ϕ E[x]=\phi E[x]=ϕ
- 试验的方差为 ϕ ( 1 − ϕ ) \phi(1-\phi) ϕ(1−ϕ)： V a r ( x ) = ϕ ( 1 − ϕ ) Var(x)=\phi(1-\phi) Var(x)=ϕ(1−ϕ)
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
