1.概述
随机过程是处理包含时间以及数据序列的概率模型。比起一般的概率模型,随机过程更强调数据序列间的相关关系、长期均值和边界事件。随机过程 是一组依赖于实参数
的随机变量,
一般具有时间的含义。在机器学习中,主要有四种随机过程经常用到,分别是伯努利过程、泊松过程、高斯过程、马尔可夫过程,本文对其做基本的总结。
2.伯努利过程
伯努利过程是考虑到达时间是离散的情形,相邻时间是服从几何分布。
2.1 独立性和无记忆性
伯努利过程中的独立性假设,暗含着无记忆性(无论过去发生了什么,都不能对未来试验的结果提供任何信息)。现在假设伯努利过程运行了次,得到了观测数据
。未来试