马尔可夫不等式:
证明如下:
公式1:
令u=x/t,带入公式1,得到 如下公式2:
由u=x/t,待会公式2,得到公式3:
对应含义为:
其中,不等式的意义,图形话表示为:红色阴影部分的累计面积小于E(x)/t
对应的绘图代码如下:
from matplotlib import pyplot as plt
from scipy import stats
import numpy as np
x=np.linspace(-20,20,10000)
y = stats.norm.pdf(x,0,5)
plt.plot(x,y,c='red')
x1=x[6000:]
y1 = y[6000:]
plt.fill_between(x1,y1,facecolor='red')
plt.annotate('t',#文本内容
xy=(x1[0], 0),#注释所在地
xytext=(0.01, 0.01), fontsize=16,#文本所在地
arrowprops=dict(arrowstyle="->"))
plt.show()
切比雪夫不等式:
证明如下:
再参考马尔可夫不等式,可得:
其中,对应的含义图像话表示为:
其中,不等式的意义,图形话表示为:红色阴影部分的累计面积小于var(x)/t^2
大数定理:
对应的机器学习的直观理解:
一个基本的机器学习过程:A表示学习算法,f表示学习的目标假设(可以是一个函数,也可以是一个分布),H表示假设空间,g表示我们求解的用来预测的假设,g是属于H的。 机器学习的过程就是:通过算法A,在假设空间H中,根据训练样本集D,选择最好的假设作为g使g近似于f。
引用参考:
统计学习--详解Hoeffding不等式 - 知乎 (zhihu.com)