概率论
关于概率:
- 概率直接与事件发生的频率相联系,被称为频率派概率(frequentist probability);
- 还有一种例如医生诊断病人的病症,此时的概率可以表示为一种信任度(degree of belief)涉及到了确定性水平,被称为贝叶斯概率(Bayesian probablity)。
归一化: ∑ x ∈ x \sum_{x\in x} ∑x∈x P(x) = 1这条性质被称为归一化,如果没有这一条性质,事件发生的概率可能会大于1
高斯混合模型:花书写的太深奥了,后面的几句实在是看不懂,高斯混合模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,它是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。(百度百科)
信息论
信息论的基本想法是一个不太可能的事件居然发生了,要比一个非常可能的事件发生。
- 非常可能发生的事件信息量要比较少,并且极端情况下,确保能够发生的事件应该没有信息量。
- 较不可能发生的事件具有更高的信息量。
- 独立事件应具有增量的信息,例如,投掷的硬币两次朝上传递的信息量,应该是投掷一次硬币正面朝上的信息量的两倍。
KL散度:衡量两个概率分布 P ( x ) 和 Q ( x ) P(x) 和 Q(x) P(x)和Q(x),可以使用KL散度来衡量这两个分布的差异:
D K L ( P ∣ ∣ Q ) = E x p [ l o g P ( x )