MLAPP 第二章

最新推荐文章于 2020-12-29 23:23:23 发布

qq_34134404

最新推荐文章于 2020-12-29 23:23:23 发布

阅读量277

点赞数

分类专栏： Machine Learning 文章标签： Machine Learning MLAPPA

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/qq_34134404/article/details/103811306

版权

本文概述了MLAPP第二章关于概率论的内容，包括概率链式法则、边缘概率、贝叶斯法则、相关与独立的概念，以及熵、KL散度和互信息的解释。重点强调了相关性与独立性的区别，以及熵作为衡量不确定性的指标。

摘要由CSDN通过智能技术生成

MLAPP —— 第二章 Probability

Probability theory is nothing but common sense reduced to calculation.——Pierre Laplace.

本章基本为概率论基本概念回顾，参考博客写得很详细。

补充要点如下：

概率链式法则

将联合概率转化为条件概率乘积形式：

$p(X_{1:D})=p(X_{1:D-1})p(X_D|X_{1:D-1})=p(X_{1:D-2})p(X_{D-1}|X_{1:D-2})p(X_D|X_{1:D-1})=...=p(X_1)p(X_2|X_1)p(X_3|X_1,X_2)...p(X_D|X_{1:D-1})$

边缘概率

$p(x)=\sum_y p(x,y)$

贝叶斯法则

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
MLAPP 第二章

MLAPP —— 第二章 Probability参考博客Probability theory is nothing but common sense reduced to calculation.——Pierre Laplace.本章基本为概率论基本概念回顾，参考博客写得很详细。补充要点如下：概率链式法则将联合概率转化为条件概率乘积形式：边缘概率贝叶斯法则...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。