机器学习常用到的概率论

在这里 总结了几个常用的概率论公式，这里只列出了公式，同学们还是需要在实际应用中将知识融汇贯通。对机器学习感兴趣的同学可以看一下我的机器学习专题的介绍

从零开始学习机器学习_UnicornH!XD的博客-CSDN博客

1. 伯努利分布 Bernoulli distribution

最简单的伯努利分布是一个二进制，例如假设成功的概率是p，呢么不成功的概率就是1-p。

2. 二项分布 Binomial distribution

我们进行许多的伯努利实验，并统计最终成功与失败的数量时，成功与失败的结果符合二项分布

3. 几何分布 Geometric distribution

与概率分布相关的一个离散二项分布是几何分佈，现在，我们不再计算固定数量的实验中成功的次数，而是计算在第一次成功之前我们必须做多少次实验。

4. 泊松分布 Poisson distribution

我将介绍的最后一个离散概率分布是泊松分布，这是当我们想要模拟X 在一个固定时间间隔内发生的事件数时使用的方法。

5. 期望 Expection 和方差 Varience

期望值允许我们计算一个随机变量的总和。函数的方差告诉我们，可能值围绕期望值的分布情况。