拉普拉斯分布

已于 2023-12-19 22:40:38 修改
阅读量2.7w 收藏 23
点赞数 2
分类专栏： 机器学习 文章标签： 概率论
于 2016-02-03 16:37:23 首次发布
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/shenxiaoming77/article/details/50630216
版权

关注WX公众号： commindtech77， 获得数据资产，推荐系统源码等相关白皮书下载地址

回复关键字：推荐系统
下载《新闻资讯个性化推荐系统源码及白皮书》

在概率论与统计学中，拉普拉斯分布是以皮埃尔-西蒙·拉普拉斯的名字命名的一种连续概率分布.由于它可以看作是两个不同位置的指数分布背靠背拼接在一起，所以它也叫作双指数分布.两个相互独立同概率分布指数随机变量之间的差别是按照指数分布的随机时间布朗运动，所以它遵循拉普拉斯分布. 
    如果随机变量的概率密度函数为 
    

  
    那么它就是拉普拉斯分布.记为：

其中，

是位置参数，

是尺度参数. 
    


    它的累积分布函数为： 
    


    逆分布函数为 
    


    数字特征：

，

. 
    


    sf_Laplacepdf (x:real, mu:real,b:real,v:real) 
    sf_Laplacecdf (x:real,mu:real,b:real,v:real) 
    sf_Laplaceinv(p:real,mu:real,b:real,v:real) 
    RandLaplace (mu:real,b:real,row:real,col:real) 
    x:随机变量 ,实数,一位数字数组,二维数字数组 
    y:分布函数值,实数,一维数字数组,二维数字数组 
    mu:位置参数,实数 
    b:尺度参数,大于0的实数 
    v:返回变参,概率或累计概率或随机变量,维度和函数第一个变量一致 
    row:行数,也可以是行名数组 
    col:列数,也可以是列名数组 
Michael_Shentu
关注
  • 2
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
机器学习中的数学——常用概率分布（七）： 拉普拉斯分布（Laplace分布）
冯·诺依曼
10-03 2万+
拉普拉斯分布（Laplace分布）允许我们在任意一点μ\muμ处设置概率质量的峰值： Laplace(x∣μ,γ)=12γe−∣x−μ∣γ\text{Laplace}(x|\mu,\gamma)=\frac{1}{2\gamma}e^{-\frac{|x-\mu|}{\gamma}}Laplace(x∣μ,γ)=2γ1​e−γ∣x−μ∣​ 拉普拉斯分布的期望为μ\muμ，方差为2γ22\gamma^22γ2，偏度为0，峰度为3。拉普拉斯分布的概率密度与正态分布看起来很像，下图为标准拉普拉斯分布（γ=1\ga
Laplace分布
ZHANG8023ZHEN的博客
04-19 100
相比高斯分布，高斯分布是L2分布，可以用来表示多维的相关性分布。在做NLL的时候，laplace收敛的更加匀速。laplace分布是一个L1的分布，只能用来描述一维的分布，不能用来表示多维的相关性分布。参考链接：https://zhuanlan.zhihu.com/p/156234503。
为什么「正态分布」在自然界中如此常见？
最新发布
公众号（猴子数据分析）
06-21 1017
因为正态分布质是不是啥数学公式，而是一种常见的商业模式。我们先从一个问题开始聊起：为什么你很努力的上班，却还是当不了公司高管？1. 什么是正态分布？假设你老妈挺操心你单身狗的生活，怕你孤独而死。为了给你寻找优质的相亲对象，就把你的照片放到了相亲网站上。艾玛，这可好一下子吸引来200多个人留言，要与你“私定终身”。老妈可谓是王母娘娘凡，为了提高筛选效率，于是乎就建了一个微信群，让所有人报一下自己准确...
差分隐私（二）指数，高斯，拉普拉斯机制
weixin_45758115的博客
05-24 3292
差分隐私的三种机制
拉普拉斯分布和正态分布
m0_60086135的博客
04-18 3190
拉普拉斯算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度（▽f）的散度（▽·f）。因此如果f是二阶可微的实函数，则f的拉普拉斯算子定义为： 在概率论和统计学中，拉普拉斯分布是一种连续概率分布。由于它可以看作是两个不同位置的指数分布背靠背拼在一起，所以它也叫双指数分布。如果随机变量的概率密度函数分布为 两者区别 ...
常见概率分布-7-拉普拉斯分布（Laplace distribution）
悦学共鸣，温柔以待，汇聚光芒，共同成长
04-22 2156
拉普拉斯分布，也称为双指数分布，是一种连续概率分布，由其双尖的概率密度特征所区分。
差分隐私入门——拉普拉斯分布
我在浪里
03-22 5677
Laplace分布的概率密度函数:Laplace分布的概率密度函数:Laplace分布的概率密度函数: p(x)=12λe−∣x−μ∣λ，一般取μ=0，函数形式如：p(x)=\frac{1}{2\lambda}e^{-\frac{|x-\mu|}{\lambda}}，一般取\mu=0，函数形式如：p(x)=2λ1​e−λ∣x−μ∣​，一般取μ=0，函数形式如： p(x)=12λe−∣x∣λ，又称为...
Laplace distribution (拉普拉斯分布)
Hansry的博客
12-26 2万+
在概率论和统计学中，拉普拉斯是一种连续概率分布。由于它可以看做是俩个不同位置的指数分布背靠背拼在一起，所以它也叫做双指数分布。如果随机变量的概率密度函数分布为：那么他就是拉普拉斯分布。u为位置参数，b>0是尺度参数。与正态分布相比，正态分布是用相对于u平均值的差的平方来表示，而拉普拉斯概率密度用相对于差的绝对值来表示。因此，拉普拉斯的尾部比正态分布更加平坦。用matlab给出拉普拉斯分布的绘图：
拉普拉斯噪声：RANDL 拉普拉斯分布伪随机数。-matlab开发
06-01
RANDL 拉普拉斯分布伪随机数。 R = RANDL(N) 返回一个 N×N 矩阵，其中包含从拉普拉斯分布中提取的伪随机值。 RANDL(M,N) 或 RANDL([M,N]) 返回一个 M×N 矩阵。 RANDL(M,N,P,...) 或 RANDN([M,N,P,...]) 返回一个 M...
中值滤波：中值滤波器、拉普拉斯分布去除噪声、拉普拉斯滤波器-matlab开发
06-01
在这个主题中，我们将深入探讨中值滤波的基本概念、其与拉普拉斯分布的关系以及在MATLAB中的实现。 首先，中值滤波器的核心是中值操作。对于给定的一段信号或图像，中值滤波器使用一个固定大小的窗口（通常为奇数...
拉普拉斯随机变量：该函数生成按照拉普拉斯分布分布的随机数-matlab开发
06-01
MATLAB作为一种强大的数学计算软件，提供了生成各种分布随机数的功能，包括拉普拉斯分布。拉普拉斯分布是一种双峰分布，它具有一个尖锐的中心峰值，并在两侧对称地衰减，常用于数据建模，尤其是在噪声分析、信号处理...
拉普拉斯随机数生成器：生成从具有指定参数的拉普拉斯分布中抽取的 iid 随机数-matlab开发
06-01
函数 y = laprnd(m, n, mu, sigma) %LAPRND 生成从拉普拉斯分布中抽取的 iid 拉普拉斯随机数% 平均 mu 和标准偏差 sigma。 % mu : 意思% sigma : 标准偏差% [m, n] : y 的维度。 % 默认 mu = 0，sigma = 1。 % 有关...
laplacian_distribut​ion:此函数可用于生成拉普拉斯分布的绘制-matlab开发
05-30
拉普拉斯分布是一种在概率论和统计学中广泛使用的连续概率分布，因其具有单峰性和对称性，常被用于数据建模，特别是在信号处理、机器学习和图像分析等领域。在MATLAB中，生成拉普拉斯分布的图像是进行数据分析和可视...
概率论：常见概率分布
热门推荐
皮皮blog
09-05 3万+
http://blog.csdn.net/pipisorry/article/details/39076957 常见离散概率分布 Note: 一般的二项分布是n次独立的伯努利试验的和。它的期望值和方差分别等于每次单独试验的期望值和方差的和。 皮皮blog 常见连续概率分布 常见的概率分布_文库下载http://www.wenkuxiazai.com/d
概率论之 拉普拉斯分布
qq_41035283的博客
04-26 3352
概率论之 拉普拉斯分布拉普拉斯分布性质代码 拉普拉斯分布 遵循拉普拉斯分布的随机变量的概率密度函数公式如下： p(x)=12λe−∣x−μ∣λ p(x)=\frac {1}{2\lambda}e^\frac{-|x-\mu|}{\lambda} p(x)=2λ1​eλ−∣x−μ∣​ 形如正态分布，但顶端是一个尖，出现极端值的概率也显著大于正态分布： 性质 拉普拉斯分布的均值为μ\muμ，方差为2λ22\lambda^22λ2，标准差为2λ\sqrt 2\lambda2​λ 图像如下： 代码 import
torch的拉普拉斯分布
03-22
torch中的拉普拉斯分布是一种概率分布，常用于描述具有尖峰和重尾特征的数据。在torch中，可以使用torch.distributions.Laplace来创建拉普拉斯分布的对象。 拉普拉斯分布的概率密度函数（PDF）可以表示为： f(x|μ, b) = 1 / (2b) * exp(-|x - μ| / b) 其中，μ是分布的均值，b是分布的尺度参数，控制着分布的形状。拉普拉斯分布的均值为μ，方差为2b^2。 在torch中，可以通过以下方式创建一个拉普拉斯分布的对象： ```python import torch from torch.distributions import Laplace mu = torch.tensor([0.0]) # 均值 b = torch.tensor([1.0]) # 尺度参数 laplace_dist = Laplace(mu, b) ``` 接下来，可以使用该对象进行一些操作，例如计算概率密度函数值、生成随机样本等。以下是一些常用的操作示例： ```python # 计算概率密度函数值 x = torch.tensor([0.5]) pdf = laplace_dist.log_prob(x).exp() # 求对数概率密度函数值并取指数 # 生成随机样本 samples = laplace_dist.sample((100,)) # 生成100个样本 # 计算均值和方差 mean = laplace_dist.mean variance = laplace_dist.variance ``` 希望以上介绍对你有帮助！如果还有其他问题，请继续提问。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值