不确定性
- 能力
- 无知:
- 对问题本身的无知
- 对理论知识的匮乏
- 系统性能误差:在机器学习中称为“噪声”
- 我们应该接受这种不确定性,在必要时候会利用它
- 对不确定建模的时候,我们会使用:逻辑,模糊逻辑,概率
概率和统计
- 概率是纯数学问题,一定有唯一解
- 统计不是纯数学问题,它的结论是多样性的
- 概率空间:所有可能结果的集合Ω
- 事件:概率空间Ω的子集
- 概率公理:定义了概率函数P:Ω—>[0,1]
- 非负性
- 归一性
- 可加性
- 概率推理:不仅仅用公理,还会用一些定理(推理的中间结果)
- 分治的思想:将全联合概率分布拆分为若干小的条件分布或者无条件分布
- 在解决问题的过程中,我们可以先作独立性假设,该假设来自领域知识以及问题的复杂性;通过独立性假设来让问题简单化
- 先验独立性和条件独立性
- 先验独立性:P(X,Y) = P(X)*P(Y)
- 条件独立性:P(X,Y|Z) = P(X|Z)*P(Y|Z)或P(X|Y,Z) = P(X|Z)
- 补充:条件独立性比独立性更加常见
概率推理
- 例子&#x