标签：13 概率分布 graykode 必懂 分布 https need distribution com
转载自：AI开发者
本文1373字，建议阅读4分钟。
本文介绍最常见的基本概率分布教程，大多数和使用 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系。
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。共轭先验维基百科在这里（https://en.wikipedia.org/wiki/Conjugate_prior）。
- 多分类表示随机方差大于 2。
- n 次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]。
分布概率与特征
1.均匀分布（连续）
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。因此，如果我们对最大似然进行优化，那么我们很容易被过度拟合。
- 利用二元交叉熵对二项分类进行分类。它的形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
- 参数为 n 和 p 的二项分布是一系列 n 个独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数量而考虑先验概率的分布。
4.多伯努利分布，分类分布（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。
- 交叉熵和采取负对数的多伯努利分布具有相同的形式。
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系与伯努尔分布与二项分布的关系相同。
6.β分布（连续）
代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.py
- β分布与二项分布和伯努利分布共轭。
- 利用共轭，利用已知的先验分布可以更容易地得到后验分布。
- 当β分布满足特殊情况（α=1，β=1）时，均匀分布是相同的。
7.Dirichlet 分布（连续）
代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.py
- dirichlet 分布与多项式分布是共轭的。
- 如果 k=2，则为β分布。
8.伽马分布（连续）
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 分布为β分布。
- 指数分布和卡方分布是伽马分布的特例。
9.指数分布（连续）
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 分布的特例。
10.高斯分布（连续）
代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/gaussian.py
高斯分布是一种非常常见的连续概率分布。
11.正态分布（连续）
代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/normal.py
正态分布为标准高斯分布，平均值为 0，标准差为 1。
12.卡方分布（连续）
代码：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 个独立标准正态随机变量的平方和的分布。
- 卡方分布是 β 分布的特例
13.t 分布（连续）
代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/student-t.py
t 分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。
via：https://github.com/graykode/distribution-is-all-you-need
—完—
喜欢打酱油的老鸟
发布了416 篇原创文章 · 获赞 672 · 访问量 135万+
关注
标签：13,概率分布,graykode,必懂,分布,https,need,distribution,com 来源： https://blog.csdn.net/weixin_42137700/article/details/104079864
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。