AI生成式技术曾小健

举一个实际例子比如说卖电脑，可能当初你买的电脑花了上万块钱，现在可能只值几百块钱了。我们在卖电脑的时候不会去考虑那个电脑过去值多少钱。而只是考虑当下的价值。再比如说流感病毒的传播，未来感染病毒的人数只依赖于目前感染病毒的人数，而与之前感染病毒的历史人数无关。这种已知“现在”的条件下，过程“将来”的演变与“过去”无关的性质，称之为。就是你的过去是什么样子不重要，未来只与自己当下的努力有关。具有无后效性的过程称为马尔科夫过程。而马尔科夫是这样的一类过程，即。未来只与现在有关，与过去无关。

每个训练样本所属的类别是已知的，并且每个样本只会属于一个类别（概率为1），属于其他类别概率为0。具体的，可以假设有个三分类任务，三个类分别是：猫，猪，狗。，可以看作是预测类别的概率分布q(ci) ，有。其中ci为某个类别。

概率，而是给出了在不同取值上的概率密度。概率密度函数的值可以理解为在某个取值附近的概率密度大小。具体来说，如果某个取值的概率密度函数值较大，表示在该取值附近的概率相对较高；而如果概率密度函数值较小，表示在该取值附近的概率相对较低。它对于连续型随机变量来说是非常重要的概念。PDF可以用来描述变量在不同取值上的概率分布情况。，我们使用概率质量函数（Probability Mass Function，简称PMF）来描述其概率分布。需要注意的是，概率密度函数只对。的x，f(x) ≥ 0。出随机变量取某个具体值的。