深度学习基本概率分布教程

嵌入式技术

1372人已加入

描述

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

深度学习

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。

深度学习

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。

深度学习

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。

深度学习

4.多伯努利分布,分类分布(离散)代码: https://github.com/graykode/distribution-is-all-youneed/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。

深度学习

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。

深度学习

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。

深度学习

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。

深度学习

9.指数分布(连续)代码: https://github.com/graykode/distribution-is-all-youneed/blob/master/exponential.py  指数分布是 α 为 1 时 γ 分布的特例。

深度学习

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。

深度学习

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。

深度学习

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

深度学习

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。

深度学习

via:https://github.com/graykode/distribution-is-all-you-need --- EOF ---

审核编辑 :李倩

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分