本文介绍了机器学习中常见的几种概率分布，包括伯努利分布、多项式分布、正态分布（高斯分布）、指数分布和拉普拉斯分布，以及Dirac分布和经验分布。伯努利分布适用于二值随机变量，多项式分布用于离散型随机变量的分类，正态分布是最常用的连续分布，指数分布和拉普拉斯分布常用于特定边界条件，Dirac分布则将所有概率质量集中在一点。
1、伯努利分布
伯努利分布是单个二值型随机变量的分布。
它由单个参数 ϕ ∈ [ 0 , 1 ] \phi \in [0, 1] ϕ∈[0,1]控制， ϕ \phi ϕ给出了等于1的概率。它具有如下的一些性质：
P ( x = 1 ) = ϕ P ( x = 0 ) = 1 − ϕ P ( x = x ) = ϕ x ( 1 − ϕ ) 1 − x E x [ x ] = ϕ V a r x ( x ) = ϕ ( 1 − ϕ ) \begin{aligned} P(x =1) = \phi \\ P(x =0) = 1-\phi \\ P(x = x) = \phi^x (1-\phi)^{1-x} \\ E_{x}[x] = \phi \\ Var_{x}(x) = \phi(1-\phi) \\ \end{aligned} P(x=1)=ϕP(x=0)=1−ϕP(x=x)=ϕx(1−ϕ)1−xEx[x]=ϕVar
最低0.47元/天 解锁文章
2531
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
