在迁移学习中,一个热门的研究方向是领域自适应(Domain Adaptation)。在领域自适应的定义中,涉及到条件概率分布与边缘概率分布,先就其定义解释如下。
首先定义联合概率。假设有随机变量X与Y,此时P(X=a, Y=b)用于表示X=a且Y=b的概率。这类包含多个条件且所有条件同时成立的概率称为联合概率。联合概率一览表被称为联合概率分布。
接下来定义边缘概率。边缘概率与联合概率相对应,当P(X=a)或P(Y=b),这类仅与单个随机变量有关的概率称为边缘概率。边缘概率一览表被称为边缘概率分布。
条件概率表示在条件Y=b成立的情况下,X=a的概率,记作P(X=a|Y=b)或P(a|b)。它具有如下性质:在条件Y=b下,穷举X的可取值之后,所有这些值对应的概率之和为1,即:∑aP(X=a|Y=b)=1
联合概率、边缘概率、条件概率的关系如下:P(X=a, Y=b) = P(X=a | Y=b) * P(Y=b),以离散型概率分布为例,我们举出如图1所示的概率分布表来说明联合分布与边缘分布。
同文链接:https://www.jianshu.com/p/e4a293bb3614
参考文献
1.https://en.wikipedia.org/wiki/Marginal_distribution
2.https://github.com/jindongwang/transferlearning-tutorial
3.https://blog.csdn.net/dakenz/article/details/85954548