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: