机器学习储备（13）：概率密度和高斯分布例子解析

请点击上面公众号，免费订阅。　

《实例》阐述算法，通俗易懂，助您对算法的理解达到一个新高度。包含但不限于：经典算法，机器学习，深度学习，LeetCode 题解，Kaggle 实战。期待您的到来！

01

—

回顾

前面介绍到关于概率论中离散型随机变量，和一个离散型相关的经典分布：二分分布，大家想了解的可以参考：

机器学习储备（11）：说说离散型随机变量

机器学习储备（12）：二项分布的例子解析

理解这些基本的概念和理论，对于我们掌握机器学习的许多算法都是非常有帮助的，比如在分类或聚类时，如果能得出某个样本点属于某个类别的概率，那么无疑是非常的好的，这样，我们能将每个样本属于每个分类划定一个得分值，有时候必须这么做，比如下面这个例子。

当我们去买一只股票时，假定一个预测器告诉你赚钱，另一个告诉你买这只股票，赚钱的可能为51%，赔钱的可能为49%，那么我想，你会认为第二个的预测更令你满意吧，因为第一个，仅仅告诉你赚钱，但是赔钱的可能性也是很大的啊，所以，根据概率，我会仔细权衡买还是不买，而不是盲目地根据第一个预测器告诉的结果去投资吧。

<