【机器学习】高斯分布

1.单变量高斯分布

单变量高斯分布概率密度函数定义为： 

p(x)=12πσ−−−√exp{ −12(x−μσ)2}(1.1)

式中 μ 为随机变量 x 的期望， σ2 为 x 的方差， σ 称为标准差： 

μ=E(x)=∫∞−∞xp(x)dx(1.2)

σ2=∫∞−∞(x−μ)2p(x)dx(1.3)

可以看出，该概率分布函数，由期望和方差就能完全确定。高斯分布的样本主要都集中在均值附近，且分散程度可以通过标准差来表示，其越大，分散程度也越大，且约有95%的样本落在区间(μ−2σ,μ+2σ)

2. 多元高斯分布

多元高斯分布的概率密度函数。多元高斯分布的概率密度函数定义： 

p(x)=1(2π)d2|Σ|12exp{ −12(x−μ)TΣ−1(x−μ)}