深度学习必须掌握的 13 种概率分布

作为深度学习从业者，你需要知道概率分布相关的知识。这里有一份最常见的基本概率分布教程，大多数和使用 python 库进行深度学习有关。

一、概率分布概述

• 共轭意味着它有共轭分布的关系。

• 多分类表示随机方差大于 2。

• n 次意味着我们也考虑了先验概率 p（x）。

• 为了进一步了解概率，我建议阅读 [pattern recognition and machine learning，Bishop 2006]。

在贝叶斯概率论中，如果后验分布 p（θx）与先验概率分布 p（θ）在同一概率分布族中，则先验和后验称为共轭分布，先验称为似然函数的共轭先验。共轭先验维基百科在这里（https://en.wikipedia.org/wiki/Conjugate_prior）。

二、分布概率与特征

1. 均匀分布（连续）

均匀分布在 [a，b] 上具有相同的概率值，是简单概率分布。

2. 伯努利分布（离散）

• 先验概率 p（x）不考虑伯努利分布。因此，如果我们对最大似然进行优化，那么我们很容易被过度拟合。

• 利用二元交叉熵对二项分类进行分类。它的形式与伯努利分布的负对数相同。

3. 二项分布（离散）

• 参数为 n 和 p 的二项分布是一系列 n 个独立实验中成功次数的离散概率分布。

• 二项式分布是指通过指定要提前挑选的数量而考虑先验概率的分布。

4. 多伯努利分布，分类分布（离散）

• 多伯努利称为分类分布。

• 交叉熵和采取负对数的多伯努利分布具有相同的形式。

5. 多项式分布（离散）

多项式分布与分类分布的关系与伯努尔分布与二项分布的关系相同。

6. β分布（连续）

• β分布与二项分布和伯努利分布共轭。

• 利用共轭，利用已知的先验分布可以更容易地得到后验分布。

• 当β分布满足特殊情况（α=1，β=1）时，均匀分布是相同的。

7. Dirichlet 分布（连续）

• dirichlet 分布与多项式分布是共轭的。

• 如果 k=2，则为β分布。

8. 伽马分布（连续）

• 如果 gamma(a,1)/gamma(a,1)+gamma(b,1)与beta(a,b)相同，则 gamma分布为β分布。

• 指数分布和卡方分布是伽马分布的特例。

9. 指数分布（连续）

指数分布是 α 为 1 时 γ 分布的特例。

10. 高斯分布（连续）

高斯分布是一种非常常见的连续概率分布。

11. 正态分布（连续）

正态分布为标准高斯分布，平均值为 0，标准差为 1。

12. 卡方分布（连续）

• k 自由度的卡方分布是 k 个独立标准正态随机变量的平方和的分布。

• 卡方分布是 β 分布的特例

13. t 分布（连续）

t 分布是对称的钟形分布，与正态分布类似，但尾部较重，这意味着它更容易产生远低于平均值的值。

代码：https://github.com/graykode/distribution-is-all-you-need/

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

 最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。