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。
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)。
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。
代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/bernoulli.py
代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/binomial.py
代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/categorical.py
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。
代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.py
代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.py
代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/gamma.py
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。
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。
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。
代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/chi-squared.py
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