本文介绍了蒙特卡洛方法，一种利用随机抽样解决复杂问题的统计学工具。通过实例展示了如何用蒙特卡洛方法估算图形面积，并提及它在优化、概率函数近似等方面的应用。文章还提到了马尔科夫链在蒙特卡洛方法中的作用，以及蒙特卡洛方法的三种抽样类型：直接抽样、重要性抽样和拒绝抽样。
蒙特卡洛方法：将问题化繁为简
字幕组双语原文：
蒙特卡洛方法：将问题化繁为简
英语原文：
Monte Carlo Methods, Made Simple
翻译：
雷锋字幕组(wiige)
来源：
https://towardsdatascience.com/monte-carlo-methods-made-simple-91758ba58dde
01
如果有一个10*10的正方形网格。在这个网格上画了一些图形，且我们不知道它具体是什么样的。但你可以通过一个函数f(x，y)来感知这个图形，其中(x，y)是坐标，输出是1(该点在图形内)或0(在图形外)。应如何算出图形面积?
这个图形的可能外观, 图是作者自己画的
答案很简单。用统计学的定律——大数定律就能搞定，即一个函数被随机抽样的次数越多，其近似值就越准确。那么，解法就是在10×10的网格中随机选择点，数一数有多少个点落在图形内，然后再除以采样点总数。
虽然这个关于随机抽样的思路简单而朴素，但它在很多领域都能大展身手，从法律到气候预测，不过本文最想写的是机器学习和统计。这个方法有一个学名：蒙特卡洛方法。
当遇到一个由确定性原理组成的问题——比如图形的面积、函数的分布，或者棋手在博弈中下一步应该走哪儿——蒙特卡洛方法从根本上假设它可以通过概率和或然性(随机性)来建模。
蒙特卡洛方法依靠从一个分布中反复随机抽样来获得一个数值结果。这是一种方法，而不是一种算法。
02
随机抽样是一种寻找函数积分(曲线下面积)的便利方法。众所周知，圆周率pi也可以通过蒙特卡洛抽样得到近似值:
最低0.47元/天 解锁文章
扫一扫
558
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
