|
|
51CTO旗下网站
|
|
移步端
  • 深度学习必懂的13种概率分布

    表现机器学习从业者,你需要了解概率分布相关的所见所闻。此地有一份最广泛的中心概率分布教程,绝大多数和利用 python 库进行深度学习有关。

    笔者:刘少奇 来源:机器学习算法与Python读书| 2020-01-15 15:35

    表现机器学习从业者,你需要了解概率分布相关的所见所闻。此地有一份最广泛的中心概率分布教程,绝大多数和利用 python 库进行深度学习有关。

    概率分布概述

  • 共轭意味着它有共轭分布的关联。
  • 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,则先验和今后验称为共轭分布,先验称为似然函数的共轭先验。共轭先验维基全面在此间(https://en.wikipedia.org/wiki/Conjugate_prior)。

  • 多分类表示随机方差大于 2。
  • n 先后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]。
  • 遍布概率与特征

    1.均匀分布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/uniform.py

    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)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/bernoulli.py

  • 先验概率 p(x)不考虑伯努利分布。故此,如果我们对最大似然进行规范化,这就是说我们很容易把过度拟合。
  • 采取二元交叉熵对二项列入进行分类。他的样式与伯努利分布的负对数相同。
  • 3.二项分布(离散)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/binomial.py

  • 数为 n 和 p 的二项分布是不可胜数 n 个挺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多寡而考虑先验概率的分布。 
  • 4.多伯努利分布,列入分布(离散)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/categorical.py

  • 多伯努利称为分类分布。
  • 交叉熵和应用负对数的多伯努利分布具有相同的样式。 
  • 5.多项式分布(离散)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/multinomial.py

    多项式分布与分类分布的关联与伯努尔分布与二项分布的关联相同。

    6.β遍布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.py

  • β遍布与二项分布和伯努利分布共轭。
  • 采取共轭,采取已知的先验分布可以更容易地得到后验分布。
  • 顶β遍布满足特殊情况(α=1,β=1)时,均匀分布是相同的。 
  • 7.Dirichlet 遍布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.py

  • dirichlet 遍布与多项式分布是共轭的。
  • 如果 k=2,则为β遍布。 
  • 8.伽马分布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/gamma.py

  • 如果 gamma(a,1)/gamma(a,1)+gamma(b,1)与 beta(a,b)相同,则 gamma 遍布为β遍布。
  • 指数分布和卡方分布是伽马分布的常规。 
  • 9.指数分布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/exponential.py

    指数分布是 α 为 1 时 γ 遍布的常规。


    10.高斯分布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/gaussian.py

    高斯分布是一种特别广泛的继承概率分布。 

    11.正态分布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/normal.py

    正态分布为规范高斯分布,价值为 0,专业差为 1。

    12.卡方分布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/chi-squared.py

  • k 强度的卡方分布是 k 个挺立标准正态随机变量的数的分布。
  • 卡方分布是 β 遍布的常规
  • 13.t 遍布(继续)

    代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/student-t.py

    t 遍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。

     

    【编纂推荐】

    1. 必发娱乐手机版已将眼光投向招聘行业,找工作要看机器人脸色了?
    2. 必发娱乐手机版走进幼儿校园 全部保障园区安全
    3. 告知:2022年中国必发娱乐手机版产业规模逼近300京港币
    4. 必发娱乐手机版如何拯救企业数量目录?
    5. 必发娱乐手机版还是人为智障?该署想不到的特大型算法翻车现场
    【义务编辑: 庞桂玉 TEL:(010)68476606】

    点赞 0
  • 深度学习  必发娱乐手机版  概率分布
  • 分享:
    大家都在看
    猜你喜欢
  • 订阅专栏+更多

    Python使用场景实战手册

    Python使用场景实战手册

    Python使用场景实战手册
    共3章 | KaliArch

    116人口订阅学习

    一步到位玩儿透Ansible

    一步到位玩儿透Ansible

    Ansible
    共17章 | 骏马金龙1

    184人口订阅学习

    云架构师修炼手册

    云架构师修炼手册

    云架构师之必不可少技能
    共3章 | Allen在路上

    131人口订阅学习

    读 书 +更多

    Expert C# 2005 Business Objects成人版

    该书描述了怎样利用面向对象的定义来开展.NET使用程序的架构、计划和付出。笔者将着重放在了面向业务的目标,即业务对象和怎样在包括Web和...

    订阅51CTO邮刊

    点击这里查看样刊

    订阅51CTO邮刊

    51CTO劳务号

    51CTO官微