多维正态分布中，均值定位分布中心，协方差矩阵描述变量间的关系。协方差矩阵对角线元素为各变量方差，非对角线元素表示变量间的线性相关性。通过极大似然估计找到最佳拟合数据集的高斯分布参数，而贝叶斯方法可推导出sigmoid函数，损失函数常采用交叉熵。
多维正态分布
均值决定中心位置， covariance matrix协方差矩阵表示分布范围，当有多个随机变量 时，可以使用协方差矩阵来衡量这些随机变量两两之间的相似程度
协方差矩阵：
是一个对称矩阵，决定了二维高斯分布的形状；
协方差矩阵的对角线元素为x和y轴的方差；
反斜对角线上的两个值为协方差，表明x和y的线性相关程度，正值时：x增大，y也随之增大；负值时：x增大，y随之减小。
极大似然估计函数，把样本中的概率全部通过高斯函数计算出×起来，对u，协方差矩阵求导，求出极值，这个u，协方差矩阵就是最拟合这个数据集的高斯分布
用同一个协方差矩阵效果更好
贝叶斯函数可以推出来sigmoid函数，损失函数就是交叉熵
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
