机器学习笔记 - 常用概率分布

最新推荐文章于 2024-01-21 21:20:18 发布
最新推荐文章于 2024-01-21 21:20:18 发布
阅读量1k 收藏 4
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习从入门到精通 文章标签： 机器学习 概率分布 Bernoulli Multinoulli 高斯分布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/124891487
本文介绍了机器学习中常用的一些概率分布，包括伯努利分布、Multinoulli分布、高斯分布、指数分布、Laplace分布、狄拉克分布和经验分布，以及如何通过这些分布的混合创建更复杂的模型。高斯分布由于其广泛适用性和最大熵特性，常被用作默认选择。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1、伯努利(Bernoulli)分布

        Bernoulli 分布（Bernoulli distribution）是单个二值随机变量的分布。它由单个参数\phi \in [0, 1] 控制，\phi 给出了随机变量等于1 的概率。

          它具有如下的一些性质：

        

2、Multinoulli 分布

   &nbs

了解本专栏 订阅专栏 解锁全文
机器学习中的概率分布
scott198512的博客
05-10 2598
机器学习常用的概率分布函数，涵盖均匀分布、高斯分布、伯努利分布、二项分布、多项分布、贝塔分布、贝塔-二项分布、负二项分布、狄里克雷分布，伽马函数分布等，附基于表达式形式实现python代码.....................
机器学习笔记--机器学习基本概念（全面总结，通俗易懂）
最新发布
qq_44815135的博客
01-22 7590
 什么是机器学习？本文主要介绍了机器学习中的常见概念，包括监督学习和无监督学习、半监督学习、弱监督学习、强化学习、欠拟合和过拟合、损失和优化的概念以及常用的激活函数等。
机器学习之概率分布1
wangyingowen的专栏
11-24 771
机器学习-概率分布-伯努利分布
机器学习中几种常见的概率分布
dream_to_dream的博客
03-13 758
https://blog.youkuaiyun.com/qq_32806793/article/details/99059670 感谢大佬的通俗解释。
机器学习领域必知必会的12种概率分布
古月哥欠666的博客
09-16 430
总体概率分布图关系如下： 均匀分布（连续型）（alpha=1、 beta=1 的Beta分布）→\rightarrow→Beta 分布（连续型）→\rightarrow→狄利克雷分布（连续型）（Beta 分布高维情形的推广） 由1次到N次的独立重复实验{伯努利分布（离散型）→→二项分布（离散型）Multi−Bernoulli分布（离散型）→→多项式分布（离散型）\left\{\begin{matrix} 伯努利分布（离散型）\rightarrow→二项分布（离散型） \\Multi-Bernoulli
范畴分布(Multinoulli 分布)
weixin_36670529的博客
09-21 3623
Multinoulli 分布, 指的也是单个离散型随机变量, 可以随机地取 k 个不同的状态, 在每个状态上的概率用 pi 来表示. 因此 Multinoulli 分布可以用一个 k−1 维的向量 p 表示, 因为这个分布只有 k−1 个自由度，。 在 ML 中, Multinoulli分布常用来表示 classification 的 k个类, 而class之间一般是没有可比可计算性的, 因此我...
吴恩达机器学习笔记-人工智能机器学习算法入门笔记
01-26
【机器学习基础介绍】 机器学习是人工智能的一个分支，它的核心目标是使计算机系统通过学习数据，而不是被显式地编程，来改善其执行任务的能力。机器学习可以分为监督学习、无监督学习和强化学习等主要类型。 ...
机器学习学习笔记-英文版
07-25
【机器学习学习笔记-英文版】是一份详细阐述机器学习概念和算法的资料，由Jim Liang创作。本文档旨在帮助读者理解机器学习的基础、常用算法以及一些扩展话题。以下是笔记的主要内容： **Part 1: 基本概念** 1. **...
机器学习笔记--监督学习和无监督学习全面总结（原理、示意图、代码）
热门推荐
qq_44815135的博客
01-21 2万+
本文为大家总结了监督学习和无监督学习中常用算法原理简单介绍，包括了代码的详细详解，是机器学习的入门学习，同时也是AI算法面试的重点问题。主要包括线性回归、逻辑回归、决策树、朴素贝叶斯、k近邻算法、SVM、PCA、K-Meams等。
深度学习中Multinoulli分布
limiaoiao的博客
08-05 2610
Multinoulli分布 Multinoulli 分布是多项式分布（multinomial distribution）的一个特例。 多项式分布是{0; : : : ; n}k 中的向量的分布，用于表示当对 Multinoulli 分布采样 n 次时 k 个类中的每一个被访问的次数。很多文章使用 “多项式分布’’ 而实际上说的是 Multinoulli 分布，但是他们并没有说是对 n = 1 ...
Deep Learning第三章——概率与信息论知识点罗列
weixin_40029023的博客
01-30 501
概率论在人工领域的两种用途： （1）设计算法使AI具有推理能力。 （2）从理论上分析我们提出AI系统的行为。 1.频率学派和贝叶斯学派的区别：   总的来说，频率学派认为世界运行的规律是一定的，描述分布模型的参数也是固定的，具体体现在参数固定。 而贝叶斯学派认为世界的运行是随机的，就连运行规律本身也是随机性的，具体体现在参数是随机的，是有分布的。通俗的说，频率学派平等的对待所有的样
DeepLearning(花书)第三章主要内容(8-14节)
Mr_Sun2019的博客
08-26 866
3.8期望，方差和协方差 函数f(x)关于某分布P(x)的期望(expectation)或者期望值(expected value)是指，当x由P产生时，f作用于x的平均值。对于离散型随机变量，可以通过求和得到: 对于连续性随机变量可以通过积分得到: 方差（variance）衡量的是我当我们对x依据它的概率分布进行采样时，随机变量x的函数值会呈现多大的差异: 当方差很小时，f(x)
多项分布与范畴分布
michellechouu的专栏
02-09 1117
1. 伯努利分布(Bernoulli distribution)   伯努利分布又称二点分布或0-1分布，即一次试验只有正例和反例两种可能，以随机变量表示就是X只能取0或1，伯努利试验是只有两种可能结果的单次随机试验，假设一次试验出现正例的概率为p(0<p<1)，那么P(X=1)=pP(X=1)=p，P(X=0)=1−pP(X=0)=1−p，可以统一表达为P(X=k)=pk(1−p)1−k,k=0,1P(X=k)=pk(1−p)1−k,k=0,1，则称X服从参数为p的伯努利分布，记为X∼Ber
【概率论】5-9:多项式分布(The Multinomial Distributions)
Tony的博客
10-05 9136
title: 【概率论】5-9:多项式分布(The Multinomial Distributions) categories: - Mathematic - Probability keywords: - The Multinomial Distributions toc: true date: 2018-04-04 22:17:23 Abstract: 本文介绍多项式分布的相关知识 Keyw...
【概率论】范畴分布 Categorical / Multinoulli Distribution
北境の守望者
09-02 7029
Multinoulli 分布, 指的也是单个离散型随机变量, 可以随机地取 kkk 个不同的状态, 在每个状态上的概率用 pipip_i 来表示. 因此 Multinoulli 分布可以用一个 k−1k−1k-1 维的向量 pp\mathbb p 表示, 因为这个分布只有 k−1k−1k-1 个自由度, pk=1−∑k−10pipk=1−∑0k−1pip_k = 1 - \sum_0^{k-1}p...
Deep Learning学习笔记——概率与信息论
hustqb的博客
07-22 2592
在人工智能领域，概率论主要有两种途径。 概率法则告诉我们AI系统如何推理，据此我们设计一些算法来计算或者估算有概率论导出的表达式。（比如：神经网络的输出是概率的形式） 我们可以用概率和统计从理论上分析我们提出的AI系统的行为。（渗透在神经网络训练的方方面面） Let's start! 随机变量 随机变量是可以随机地取不同值的变量。 随机变量可以使离散的或连续的。 概率分布 离散...
各种概率分布（四种分布）
九的方
09-28 1783
频率分布直方图纵轴是频率/组距，而频率计算是频数/总数。 [yy,xx]=hist(data,20); %分为100个区间统计(可以改成你需要的区间数) yy=yy/length(data)/mean(diff(xx)); %计算概率密度，频数除以数据种数，除以组距 bar(xx,yy,1); ...
深度学习（Deep Learning）读书思考一：基本概念
fangqingan_java的专栏
11-20 2306
概述 《Deep Learning》是大神Yoshua Bengio关于深度学习的一个全面概述，之前也出过很多综述类的文章。 该系列读书思考笔记主要记录深度学习中需要关注或者实际工业界使用的知识点或者技术，方便查阅和备忘。 本节可能会罗列很多技术点，后面慢慢补充。 人工智能图谱 机器学习的终极目标是人工智能（AI），目前AI的痛点在于人很容易理解的知识，机器很难去表示
机器学习中的数学——常用概率分布（九）：经验分布（Empirical分布）
冯·诺依曼
10-04 1万+
《常用概率分布：狄拉克分布（Dirac分布）》中提到的狄拉克分布经常作为 经验分布的一个组成部分出现： $$$$ 经验分布将概率密度1m\frac{1}{m}m1​赋给mmm个点x(1),x(2),⋯ ,x(m)x(1), x(2), \cdots, x(m)x(1),x(2),⋯,x(m)中的每一个，这些点是给定的数据集或者采样的集合。只有在定义连续型随机变量的经验分布时，Dirac delta函数才是必要的。对于离散型随机变量，情况更加简单：经验分布可以被定义成个Multinoulli分布，对于每一个可
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值