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。作者的Github开源地址:https://github.com/graykode/distribution-is-all-you-needgithub.com
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.pyβ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.pydirichlet 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.pyk 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.pyt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。
作者:Sophia@知乎
来源:https://zhuanlan.zhihu.com/p/158801020
本文仅作学术交流,如有侵权,请联系后台删除
—END—
版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。
人工智能精选【rgznjx】专注大数据,人工智能/机器学习 精选内容和产业服务平台。
gamma分布_深度学习需要掌握的 13 个概率分布(附代码)相关推荐
- 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 ...
- 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 ...
- 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, ...
- 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 ...
- 教你用深度学习LSTM网络预测流行音乐趋势(附代码)
来源:大数据挖掘DT数据分析 本文长度为1500字,建议阅读5分钟 本文为你介绍LSTM网络原理及其在流行音乐趋势预测赛题中的应用. 后台回复关键词"音乐",下载完整代码及数据集 ...
- 超级干货 :如何创造性地应用深度学习视觉模型于非视觉任务(附代码)
作者:Max Pechyonkin;翻译:和中华;校对:丁楠雅 本文约2900字,建议阅读10分钟. 本文将介绍3个非视觉领域的应用实例. 导读 众所周知,目前深度学习在计算机视觉领域已经有很好的应用 ...
- 独家 |如何创造性地应用深度学习视觉模型于非视觉任务(附代码)
作者:Max Pechyonkin 翻译:和中华 校对:丁楠雅 本文约2900字,建议阅读10分钟. 本文将介绍3个非视觉领域的应用实例. 导读 众所周知,目前深度学习在计算机视觉领域已经有很好的应用 ...
- 深度学习 图像分类_深度学习时代您应该阅读的10篇文章了解图像分类
深度学习 图像分类 前言 (Foreword) Computer vision is a subject to convert images and videos into machine-under ...
最新文章
- centos7 mariadb mysql max_connections=214 无法修改的问题
- 【Linux 内核 内存管理】内存管理架构 ⑤ ( sbrk 内存分配系统调用代码示例 | 在 /proc/pid/maps 中查看进程堆内存详情 )
- 浅析C++利器之——引用
- none是不是python的保留字_Python主要保留字
- 在同一台机器上启动多个JBoss A-MQ JVM
- mybatis 映射成多个list_SSM:Mybatis架构与原理
- C#算法设计排序篇之08-计数排序(附带动画演示程序)
- 达尔文计算机学校,中国研制出全球神经元规模最大类脑计算机
- Objective-C的Runtime System
- 如何在定制化组件中实现并使用v-model
- python练习题及答案-python编程练习题和答案.doc
- NYOJ 3(多边形重心)
- touch 创建一个普通文件或更新已有文件的时间
- 村级行政shape_行政区划图边界制作shap.doc
- 【神经网络】神经元模型和感知器
- html字数统计,html中利用javascript实现文本框字数的动态计算
- Arduino 控制 DS1302 时钟芯片
- 访问小米路由器内置硬盘
- STGNN(www 2020)论文总结
- FRPS实现内网SSH服务器登陆