高斯分布 Gaussian Distribution
一、高斯分布
p ( x ) = N ( x ; μ , Σ ) = 1 ( 2 π ) n / 2 d e t Σ e x p ( − 1 2 ( x − μ ) T Σ − 1 ( x − μ ) ) p(x) = N(x; \mu, \Sigma) = \frac{1}{(2\pi)^{n/2}\sqrt{det\Sigma}}exp(-\frac{1}{2}(x-\mu)^{T}\Sigma^{-1}(x-\mu)) p(x)=N(x;μ,Σ)=(2π)n/2detΣ1exp(−21(x−μ)TΣ−1(x−μ))
-
μ \mu μ 是均值
-
Σ \Sigma Σ 是协方差
二、求高斯分布参数
μ 和 Σ \mu 和\Sigma μ和Σ可以通过大量数据计算出来
1. 离散数据
对离散数据来说,公式为:
μ = 1 N ∑ x i \mu = \frac{1}{N}\sum x^{i} μ=N1∑xi
Σ = 1 N ∑ ( x i − μ ) ( x i − μ ) T \Sigma = \frac{1}{N}\sum (x^{i}-\mu)(x^{i}-\mu)^{T} Σ=N1∑(xi−μ)(xi−μ)T
2. 连续数据
对连续数据来说,公式为:
三、规范参数化
将
μ
,
Σ
\mu, \Sigma
μ,Σ 规范化为
v
,
Ω
v, \Omega
v,Ω
四、高斯分布的联合分布
当有两个相互独立的高斯分布时,他们的联合分布参数如下:
五、仿射变换
有 x a ∼ N ( X a ; μ a , Σ a ) x_{a} \sim N(X_{a}; \mu_{a}, \Sigma_{a}) xa∼N(Xa;μa,Σa)
使
x
b
=
f
(
x
a
)
=
A
x
a
+
c
x_{b} = f(x_{a}) = Ax_{a} + c
xb=f(xa)=Axa+c
对于 x b x_{b} xb,其高斯分布为:
x b = N ( X b ; μ b , Σ b ) x_{b} = N(X_{b}; \mu_{b}, \Sigma_{b}) xb=N(Xb;μb,Σb)
则 其参数 μ b , Σ b \mu_{b}, \Sigma_{b} μb,Σb 为:
六、条件高斯分布
高斯分布 x ∼ N ( x ; μ , Σ ) x\sim N(x; \mu, \Sigma) x∼N(x;μ,Σ) 有高斯随机变量 x T = ( x a T , x b T ) x^{T} = (x_{a}^{T}, x_{b}^{T}) xT=(xaT,xbT)
有条件:
则其高斯分布的参数如下:
七、高斯分布的链式法则
已知
则下列高斯分布的参数为: