深度学习必懂的13种概率分布

作为机器学习从业者，你需要知道概率分布相关的知识。这里有一份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

想要了解更多资讯，请扫描下方二维码，关注视学算法

转自：AI开发者

深度学习必懂的13种概率分布相关推荐

深度学习必懂的 13 种概率分布（附链接）
来源:AI开发者本文约为1400字,建议阅读5分钟本文为你介绍基本概率分布教程,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 ...
深度学习必须掌握的 13 种概率分布
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 作为机器学习从业者,你需要知道概率分布相关的知识.这里有一份最常见的基本概率分布教 ...
深度学习需要掌握的 13 个概率分布（附代码）
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货知乎作者:Sophia 来源:深度学习自然语言处理本文仅用于学术分享 ...
gamma分布_深度学习需要掌握的 13 个概率分布（附代码）
作者:Sophia@知乎来源:https://zhuanlan.zhihu.com/p/158801020 本文仅用于学术分享,著作权归作者所有.如有侵权,请联系后台作删文处理. 在逛Github时 ...
均匀分布卡方分布_深度学习需要掌握的13个概率分布（附代码）
概率分布知乎作者:Sophia 来源:深度学习自然语言处理本文仅用于学术分享,著作权归作者所有.如有侵权,请联系后台作删文处理.在逛Github时发现了一个不错的总结,对深度学习的概率分布进行了总结 ...
从单层感知器到深度学习以及深度学习必知的框架
从单层感知器到深度学习以及深度学习必知的框架一单层神经网络(感知器) 1.结构下面来说明感知器模型. 在原来MP模型的"输入"位置添加神经元节点,标志其为"输入单元 ...
基于深度学习和支持向量机的４种苜蓿叶部病害图像识别
基于深度学习和支持向量机的4种苜蓿叶部病害图像识别 1.研究思路对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合 K 中值聚类算法和线 ...
最新发布|深度学习必学“圣经”花书出视频课了！附带论文代码精读讲解！
[翻到文末参与Pytorch框架福利!限时特惠!活动仅限2天!仅此一次!] 学人工智能Deep Learning必看书是什么? 如果你没听说过"花书",那么说明你对深度学习了解的还 ...
【热搜】想卷深度学习必会的10题【最全AI面经】
导读嗨喽大家好,我是cv君,本专栏长期连载更新,速度收藏,下次就看不到了. 首先,本系列专栏适用于: 1:小白,小白需要大量努力,方向和cv君亲自整理的资料很关键,cv君有手把手实战文近百篇,点击此 ...

深度学习必懂的13种概率分布

深度学习必懂的13种概率分布相关推荐

最新文章

热门文章