机器学习中常见的概率分布

最新推荐文章于 2024-04-22 15:46:39 发布
最新推荐文章于 2024-04-22 15:46:39 发布
阅读量1.2k 收藏 2
点赞数 1
文章标签： 概率分布 伯努利分布 范畴分布 多项式分布 机器学习
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/likejoey/article/details/82670796
版权

离散型变量

  • 伯努利分布： 随机变量只能取0 1 两个数值
  • 二项分布： n次独立重复的伯努利实验，自变量的取值范围为 x=1,2,3,k,...n
  • multinouli  distribution 或者称为 categorical distribution 范畴分布，伯努利分布的推广，自变量取K个值
  • multinomial 多项式分布： n 次 multinouli的独立重复实验，或者说二项分布的推广。

四者的关系为：

                                                               

 

连续性变量

  • 高斯分布
  • 指数分布   在x=0 处取得边界点的分布，\large p(x,\lambda)=\lambda exp(-\lambda x) ,该分布的定义域为x>=0。
  • laplace 分布，允许在任意一点u 处设置概率质量的峰值。\large L(x;\mu ,\gamma)=\frac{1}{2\gamma}exp(-\frac{|x-\mu|}{\gamma})
likejoey
关注
正态分布在机器学习的重要性
12-22
概率分布是什么2. 正态分布意味着什么2.1 中心极限定理2.2 重要性3. 正态分布的变量有哪些4.python来检验数据的分布5.特别注意 1. 概率分布是什么 我们可以投10000次骰子，每次都有6种可能的取值，我们可以将类别数...
分类分布（categorical分布）
Mr.horse的博客
04-20 8496
解释： 假设X有3种状态，分别为x_1,x_2,x_3，这三种状态的概率分别为0.1,0.7,0.2（分别对应θ_1,θ_2,θ_3） 例如现在要求x_2这种状态的概率，则x_1=0,x_2=1,x_3=0 代入公式： θ_1^x_1=θ_1^0=1; θ_2^x_2=θ_2=0.7; θ_3^x_3=θ_3^0=1; 三者相乘=0.7 ...
probility and stastic(3) 样本空间、随机变量、常见概率分布、独立性
weixin_43746235的博客
09-28 1477
样本空间、随机变量、常见概率分布、独立性 样本空间 我们将随机试验E的一切可能基本结果（或实验过程如取法或分配法）组成的集合称为E的样本空间，记为S。样本空间的元素，即E的每一个可能的结果，称为样本点。 例如：设随机试验E为“抛一颗骰子，观察出现的点数”。那么E的样本空间 S：{1,2,3,4,5,6,}。 随机变量 首先我们来说变量，变量顾名思义，其实就是一个变化的量，这个变化的量的取值有可能是在一个有限集合里取值，也有可能在一个无限集合里取值，其实换句话说就是，如果一个变量有多个可能的取值，并且取得每一
机器学习中的概率分布（一）
思索的蜗牛的专栏
07-04 613
深度学习中的概率分布基础知识及Python实现
机器学习中的常用分布
六轱辘的专栏
03-31 8503
总结一下机器学习中的几个常见概率分布和共轭先验的概念！
Categorical类
weixin_45704823的博客
04-10 1247
类是PyTorch中的一个类，用于处理离散分类概率分布。它可以处理概率分布（probs）或者logits（对数概率）。# 假设我们有一个离散概率分布，有3个类别，概率分别为[0.1, 0.5, 0.4]类提供了一些实用方法，如生成随机样本、计算概率或对数概率等。# 使用概率创建Categorical对象。# 从分布中采样一个随机动作。# 计算给定动作的对数概率。# 计算给定动作的概率。
概率机器学习，Probabilistic Machine Learning
05-27
1. **概率论基础**：概率论是概率机器学习的基础，它研究随机事件的概率性质和随机变量的分布。书中会介绍概率的基本概念，如条件概率、联合概率、边缘概率以及贝叶斯定理，这些都是理解概率模型的关键。 2. **...
机器学习常见算法在建模中的对比.pdf
09-24
机器学习常见算法在建模中的对比 机器学习是一门让计算机从部分数据中累积经验，在非编程条件下可以自主采取行动的学科。近年来，机器学习在预测、分类等方向应用的越发成熟，如垃圾邮件分类、价格行情预测等，极大...
机器学习期末复习题.pdf
01-06
这两种分布都是机器学习中常用的概率分布。 朴素贝叶斯分类器 朴素贝叶斯分类器是一种常用的机器学习算法，它假设样本各维属性独立。这种假设使得模型更简单、更容易训练。 决策函数 决策函数是机器学习模型中的...
机器学习中多维条件高斯分布和多维边缘高斯分布模型.pdf
09-24
"机器学习中多维条件高斯分布和多维边缘高斯分布模型" 该论文主要讨论了机器学习中多维条件高斯分布和多维边缘高斯分布模型的理论和应用。在机器学习中，高斯分布模型是最基本和最重要的模型之一，它广泛应用于推荐...
几何分布的期望和方差公式推导_常用概率分布总结(1)
weixin_39605345的博客
11-22 4908
老是记不住各种分布及其意义，每次用时，回查各个课本资料也很麻烦，一些分布的重要性质也是各处散布，经常找不到，故这里做个总结，当作个资料卡用。内容有各种常见概率分布，一般会写含义、密度函数形式、期望、方差、特征函数，其它性质感觉重要就添加（有趣但感觉没什么用的不会添加）。先介绍下在R中的使用随机数，密度函数，分布函数，分位函数的命令，使用正态分布为示例。以下不做说明均是使用 R 语言。随机数从服从某...
机器学习中的数学——常用概率分布（二）：范畴分布（Multinoulli分布）
热门推荐
冯·诺依曼
10-03 2万+
范畴分布（Multinoulli分布）是指在具有kkk个不同状态的单个离散型随机变量上的分布，其中kkk是个有限值。Multinoulli分布由向量p∈[0,1]k−1p\in[0, 1]^{k-1}p∈[0,1]k−1参数化，其中每一个分量ppp表示第iii个状态的概率。最后的第kkk个状态的概率可以通过1−∑k−1pi1-\sum_{k-1}p_i1−∑k−1​pi​给出。注意我们必须限制∑k−1pi≤1\sum_{k-1}p_i\leq 1∑k−1​pi​≤1。 Multinoulli分布经常用来表示
python 概率分布_用Python实现概率分布
weixin_39519554的博客
12-06 1043
一.随机变量随机变量是指随机事件的数量表现，按照随机变量可能取得的值，可以把它们分为两种基本类型：随机变量包括离散型随机变量和连续型随机变量。离散型随机变量：在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。离散型随机变量的概率分布包括伯努利分布、二项分布、几何分布、泊松分布。连续型随机变量：在一定区间内变量取值有无限个，或数值无法一一列...
范畴分布(Multinoulli 分布)
weixin_36670529的博客
09-21 3534
Multinoulli 分布, 指的也是单个离散型随机变量, 可以随机地取 k 个不同的状态, 在每个状态上的概率用 pi 来表示. 因此 Multinoulli 分布可以用一个 k−1 维的向量 p 表示, 因为这个分布只有 k−1 个自由度，。 在 ML 中, Multinoulli分布常用来表示 classification 的 k个类, 而class之间一般是没有可比可计算性的, 因此我...
【概率论】范畴分布 Categorical / Multinoulli Distribution
北境の守望者
09-02 6933
Multinoulli 分布, 指的也是单个离散型随机变量, 可以随机地取 kkk 个不同的状态, 在每个状态上的概率用 pipip_i 来表示. 因此 Multinoulli 分布可以用一个 k−1k−1k-1 维的向量 pp\mathbb p 表示, 因为这个分布只有 k−1k−1k-1 个自由度, pk=1−∑k−10pipk=1−∑0k−1pip_k = 1 - \sum_0^{k-1}p...
Multionoulli分布（范畴分布）与softmax
zc_stats的博客
04-16 2397
一、Multionoulli分布 Multionoulli分布（或范畴分布）指在具有k个不同状态的单个离散型随机变量上的分布，其中k是一个有限值。Multionoulli分布，由向量参数化，其中每一个分量表示第i个状态的概率。最后第k个状态的概率可以通过给出，。这里，其实应该为即除第k个状态的其他状态概率之和。 Multionoulli分布经常用来表示对象分类的分布，很少假设状态1具有数值...
多项分布与范畴分布
michellechouu的专栏
02-09 1051
1. 伯努利分布(Bernoulli distribution)   伯努利分布又称二点分布或0-1分布，即一次试验只有正例和反例两种可能，以随机变量表示就是X只能取0或1，伯努利试验是只有两种可能结果的单次随机试验，假设一次试验出现正例的概率为p(0<p<1)，那么P(X=1)=pP(X=1)=p，P(X=0)=1−pP(X=0)=1−p，可以统一表达为P(X=k)=pk(1−p)1−k,k=0,1P(X=k)=pk(1−p)1−k,k=0,1，则称X服从参数为p的伯努利分布，记为X∼Ber
常见概率分布-2-范畴分布（Multinoulli Distribution）
最新发布
悦学共鸣，温柔以待，汇聚光芒，共同成长
04-22 1321
范畴分布，或称为Multinoulli分布，是一种离散概率分布，用于描述一个试验结果只有多个互斥类别中的一个的情形。
深度学习中Multinoulli分布
limiaoiao的博客
08-05 2532
Multinoulli分布 Multinoulli 分布是多项式分布（multinomial distribution）的一个特例。 多项式分布是{0; : : : ; n}k 中的向量的分布，用于表示当对 Multinoulli 分布采样 n 次时 k 个类中的每一个被访问的次数。很多文章使用 “多项式分布’’ 而实际上说的是 Multinoulli 分布，但是他们并没有说是对 n = 1 ...
机器学习中的二项分布应用与理解
在机器学习中，二项分布是一种常见的概率模型，尤其在处理分类问题时。当一个基本实验具有两种可能的结果（成功或失败），并且每次实验的成功概率p是恒定且独立时，我们可以使用二项分布来描述在n次独立重复实验中...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值