本文探讨了机器学习中的数学基础知识——概率论，重点介绍了随机变量的概率密度函数，特别是高斯分布，包括一元和多元概率密度以及中心极限定理。此外，还强调了贝叶斯公式在机器学习中的核心地位。
一、随机变量
1、概率密度函数
二、高斯分布（最美分布）
1、一元概率密度
2、多远概率密度
3、中心极限定理
独立同分布的随机变量，求和以后，依概率收敛于高斯分布。一些杂乱无章的情况，加起来却服从高斯分布。
三、贝叶斯公式（机器学习中最重要的公式）
通
常
，
P
(
A
|
B
)
6
=
P
(
B
|
A
)
，
但
是
如
何
确
定
两
者
的
关
系
？（
溯源
）
I
P
(
A
|
B
) =
P
(
A
∩
B
)
P
(
B
)
，
同
样
有
P
(
B
|
A
) =
P
(
A
∩
B
)
P
(
A
)
，
因
此
有
P
(
A
|
B
)
P
(
B
) =
P
(
A
∩
B
) =
P
(
B
|
A
)
P
(
A
)
I
可
得
P
(
B
|
A
) =
P
(
A
|
B
)
P
最低0.47元/天 解锁文章
1147
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
