简单理解函数f(x;θ)中分号的含义
注,本文理解可能有不准确甚至有误的地方,仅供参考
我们知道,f(x)f(x)f(x)其实就是一个函数,输入变量值xxx,在经过规则fff处理后,最终拿到一个结果。
另一种常见的情况是,比如概率分布P(x)P(x)P(x),其本质上也是一个以xxx为自变量的函数,在变量XXX的值为xxx的情况下,拿到一个结果,这个结果的意义为变量XXX取到xxx的概率。
而f(x;θ)f(x;\theta)f(x;θ),其实意思就是f(x)f(x)f(x),只不过强调了下函数的参数为θ\thetaθ。这个θ\thetaθ可以是某个确定的常量,也可以是多个确定常量的总体(比如深度神经网络中的全体可训练参数)。例如:θ2x+2θ+1\theta^2x + 2\theta + 1θ2x+2θ+1,θ=3\theta = 3θ=3,这个函数自变量是xxx,自然可以写成f(x)f(x)f(x);又因为xxx的系数(参数)是θ\thetaθ(某个已知或未知的确定值),因此可以表达为f(x;θ)f(x;\theta)f(x;θ)。
根据以上讨论的这些,现在讨论一个比较复杂的情况。比如,N(x;0,I)\mathcal{N}\left(x ; \mathbf{0}, \mathrm{I}\right)N(x;0,I)的意思是什么?
我们知道,N(0,I)\mathcal{N}\left(\mathbf{0}, \mathrm{I}\right)N(0,I)表示标准高斯分布,均值为0,方差为1,其本质上也是一个概率密度函数:f(x)=12πe−x22f(x)=\frac{1}{\sqrt{2 \pi}} e^{-\frac{x^2}{2}}f(x)=2π1e−2x2。从这里可以发现,一般的函数我们都是强调自变量本身(比如xxx),而在概率论里面有时候强调的是函数参数本身(比如高斯分布的均值和方差),而淡化了输入变量(默认为xxx,省略)。因此N(x;0,I)\mathcal{N}\left(x ; \mathbf{0}, \mathrm{I}\right)N(x;0,I)相比与N(0,I)\mathcal{N}\left(\mathbf{0}, \mathrm{I}\right)N(0,I)的区别就在于显式强调了函数的输入为xxx。
最后再放个更复杂的东西:q(xt∣xt−1)=N(xt;1−βtxt−1,βtI)q\left(\mathbf{x}_t \mid \mathbf{x}_{t-1}\right)=\mathcal{N}\left(\mathbf{x}_t ; \sqrt{1-\beta_t} \mathbf{x}_{t-1}, \beta_t \mathrm{I}\right)q(xt∣xt−1)=N(xt;1−βtxt−1,βtI)。
这个东西分多步看。首先,函数本身是个条件概率分布,q(xt∣xt−1)q\left(\mathbf{x}_t \mid \mathbf{x}_{t-1}\right)q(xt∣xt−1)表示xt−1\mathbf{x}_{t-1}xt−1已知的情况下,xt\mathbf{x}_{t}xt的分布(xt\mathbf{x}_{t}xt取各种值的概率)。而后面的这个高斯分布则强调了其输入自变量为xt\mathbf{x}_{t}xt(因为是xt\mathbf{x}_{t}xt的概率密度函数,所以自变量当然是xt\mathbf{x}_{t}xt),而高斯分布的均值和方差则分别为1−βtxt−1\sqrt{1-\beta_t} \mathbf{x}_{t-1}1−βtxt−1和βtI\beta_t \mathrm{I}βtI,与条件分布的条件xt−1\mathbf{x}_{t-1}xt−1有关。
简单理解函数f(x;θ)中分号的含义相关推荐
- vue函数如何调用其他函数?_编程|如何简单理解函数的传参、返回、调用
1 函数内部变量的局部性 在一个函数中定义的变量(包括实参),其作用域仅限于定义它的函数中,在其它的函数不能使用,这种变量称为"局部变量". 局部变量的作用域:函数内部声明和定义的 ...
- java阻塞队列作用_简单理解阻塞队列(BlockingQueue)中的take/put方法以及Condition存在的作用...
简单理解阻塞队列(BlockingQueue)中的take/put方法以及Condition存在的作用 Condition:可以理解成一把锁的一个钥匙,它既可以解锁(通知放行),又可以加锁(阻塞) n ...
- 理解YOLOv2训练过程中输出参数含义
转载自https://blog.csdn.net/dcrmg/article/details/78565440 原英文地址: https://timebutt.github.io/static/und ...
- APP自动化简单理解(在python中实现简单的app自动化框架)
一.app自动化环境搭建 1.安装jdk及配置jdk的环境变量 app底层是c语言,应用层是java,所以需要jdk 2.安装SDK,配置android SDK环境 3.安装模拟器 4.下载安装App ...
- c语言简单分段函数用多路分支与if else 级联的写法
一,简单分段函数 f(x)= -1 ( X<0 ) 0 (X=0) 2x (X>0) 二.代码 1.多路分支代码 int main() { int i; double ...
- android 点击事件消费,Android View事件分发和消费源码简单理解
Android View事件分发和消费源码简单理解 前言: 开发过程中觉得View事件这块是特别烧脑的,看了好久,才自认为看明白.中间上网查了下singwhatiwanna粉丝的读书笔记,有种茅塞顿开 ...
- toString()的简单理解
ToString的简单理解 当我们输出一个对象的引用时,实际上就是调用当前对象的toString()方法. 文章目录 ToString的简单理解 一.Object类中toString()的定义 二.重 ...
- R语言笔记6:在R中写一些简单的函数、functions基础和作用域
R语言基础系列: 1数据类型(向量.数组.矩阵. 列表和数据框) 2读写数据所需的主要函数.与外部环境交互 3数据筛选--提取对象的子集 4向量.矩阵的数学运算 5控制结构 Your first R ...
- 概率密度函数及其在信号方面的简单理解(中)频谱密度函数
概率密度函数及其在信号方面的简单理解(中)频谱密度函数 (中)频谱密度函数 傅里叶级数 傅里叶变换 参考文献 后记 上学期修了外学院的自动控制原理课,学习非线性控制系统的处理时用到了傅里叶级数,老师就 ...
最新文章
- Linux镜像USB转网口驱动模块配置
- 从零开始学习Sencha Touch MVC应用之八
- ECS 支持 IPv6 啦,快来尝鲜吧~
- 科大星云诗社动态20210423
- python gis 经纬度 库_入门-Python-GIS坐标转换
- 石子合并问题--直线版(Hrbust-1818)
- 计算机文科类专业二本,适合文科生的二本大学 文科二本分数线是多少
- CICD详解(七)——git、gitlab与github
- 无法使用闩锁类型 sh 读取并闩锁页_InnoDB数据锁第2.5部分“锁”(深入研究)...
- python读取svg转emf_ppt矢量图标,SVG转换EMF方法
- 毕业设计实战:单片机智能温控风扇设计 带智能调速人体感应 论文仿真 源码 原理图
- java生产者消费者模型
- 老司机阿里巴巴为什么要带着这些YunOS硬件小伙伴一路向西?
- 如何设置计算机自动连接宽带,Win7系统如何设置开机自动连接宽带?
- 使用 Prometheus-Operator 监控 Calico
- 动态规划最佳缝合线查找(Image Stitching 3)
- WIN10,配置adb环境
- servercat IOS Linux监控 SSH客户端
- Python3 遇到\\u开头的编码
- 看泽塔云如何布局自己的超融合之路