建站
咨詢
售后
建站咨詢
新聞中心
一. 概率分布概述
- 共軛意味著它有共軛分布的關(guān)系。
- 在貝葉斯概率論中，如果后驗分布 p（θx）與先驗概率分布 p（θ）在同一概率分布族中，則先驗和后驗稱為共軛分布，先驗稱為似然函數(shù)的共軛先驗。共軛先驗維基百科在這里（https://en.wikipedia.org/wiki/Conjugate_prior）。
- 多分類表示隨機方差大于 2。
- n 次意味著我們也考慮了先驗概率 p（x）。
- 為了進一步了解概率，我建議閱讀 [pattern recognition and machine learning，Bishop 2006]。
二. 分布概率與特征
1.均勻分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/uniform.py
均勻分布在 [a，b] 上具有相同的概率值，是簡單概率分布。
2.伯努利分布（離散）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/bernoulli.py
- 先驗概率 p（x）不考慮伯努利分布。因此，如果我們對最大似然進行優(yōu)化，那么我們很容易被過度擬合。
- 利用二元交叉熵對二項分類進行分類。它的形式與伯努利分布的負對數(shù)相同。圖片
3.二項分布（離散）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/binomial.py
- 參數(shù)為 n 和 p 的二項分布是一系列 n 個獨立實驗中成功次數(shù)的離散概率分布。
- 二項式分布是指通過指定要提前挑選的數(shù)量而考慮先驗概率的分布。
4.多伯努利分布，分類分布（離散）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/categorical.py
- 多伯努利稱為分類分布。
- 交叉熵和采取負對數(shù)的多伯努利分布具有相同的形式。
5.多項式分布（離散）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/multinomial.py
多項式分布與分類分布的關(guān)系與伯努爾分布與二項分布的關(guān)系相同。
6.β分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.py
- β分布與二項分布和伯努利分布共軛。
- 利用共軛，利用已知的先驗分布可以更容易地得到后驗分布。
- 當β分布滿足特殊情況（α=1，β=1）時，均勻分布是相同的。
7.Dirichlet 分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.py
- dirichlet 分布與多項式分布是共軛的。
- 如果 k=2，則為β分布。
8.伽馬分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/gamma.py
- 如果 gamma（a，1）/gamma（a，1）+gamma（b，1）與 beta（a，b）相同，則 gamma 分布為β分布。
- 指數(shù)分布和卡方分布是伽馬分布的特例。
9.指數(shù)分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/exponential.py
指數(shù)分布是 α 為 1 時 γ 分布的特例。
10.高斯分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/gaussian.py
高斯分布是一種非常常見的連續(xù)概率分布。
11.正態(tài)分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/normal.py
正態(tài)分布為標準高斯分布，平均值為 0，標準差為 1。
12.卡方分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/chi-squared.py
- k 自由度的卡方分布是 k 個獨立標準正態(tài)隨機變量的平方和的分布。
- 卡方分布是 β 分布的特例
13.t 分布（連續(xù)）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/student-t.py
t 分布是對稱的鐘形分布，與正態(tài)分布類似，但尾部較重，這意味著它更容易產(chǎn)生遠低于平均值的值。
via：https://github.com/graykode/distribution-is-all-you-needa
網(wǎng)站標題：深度學習必須掌握的13種概率分布
URL鏈接：http://www.dlmjj.cn/article/dhcppsg.html
