机器学习升级版(VII)——第2课 概率论与贝叶斯先验
Posted lxr1995
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习升级版(VII)——第2课 概率论与贝叶斯先验相关的知识,希望对你有一定的参考价值。
摘录自:邹博《机器学习升级版》课件
1. 概率论基础
-
1.初步认识
-
2.古典概型
-
3.生日悖论
- 生日悖论(Birthday paradox)是指,如果一个房间里有23个或23个以上的人,那么至少有两个人的生日相同的概率要大于50%。这就意味着在一个典型的标准小学班级(30人)中,存在两人生日相同的可能性更高。对于60或者更多的人,这种概率要大于99%。从引起逻辑矛盾的角度来说生日悖论并不是一种悖论,从这个数学事实与一般直觉相抵触的意义上,它才称得上是一个悖论。大多数人会认为,23人中有2人生日相同的概率应该远远小于50%。
-
4.装箱问题
-
5.与组合数的关系
-
6.组合数背后的密码
-
7.统计数值的概率
-
8.本福特定律
-
9.概率公式
-
10.贝叶斯公式
- 定义:
- 应用:
- 定义:
-
11.分布
-
常见分布是可以完美统一为一类分布
-
1.两点分布 Bernoulli distribution
-
2.二项分布 Binomial Distribution
-
3.负二项分布
-
考察Taylor展式
-
4.泊松分布 Poisson distribution
-
5.均匀分布 Uniform Distribution
-
6.指数分布 Exponential Distribution
-
7.正态分布Normal/高斯分布Gaussian distribution
-
上述分布总结
-
8.Beta分布
-
9.指数族分布
-
考察参数Φ
-
2.统计量
-
1.事件独立性
-
2.期望
- 即,概率加权下的平均值
- 离散型:
- 连续型:
- 期望的性质:
-
例1:计算期望
-
例2:集合Hash问题
-
3.方差
-
4.协方差
-
定义:
-
性质:
-
协方差和独立、不相关
-
协方差的意义
-
协方差的上界
-
证明过程分析
-
协方差上界定理的证明
-
再谈独立与不相关
-
-
5.Pearson相关系数
-
6.协方差矩阵
3.大数定律
-
1.切比雪夫不等式
-
2.大数定律
-
-
3.大数定律的意义
-
4.重要推论:伯努利定理
4.中心极限定理
-
1.中心极限定理
-
2.例题:标准的中心极限定理的问题
-
3.中心极限定理的意义
-
4.贝叶斯公式带来的思考:
5.最大似然估计
-
1.最大似然估计
-
2.最大似然估计的具体实践操作
-
3.二项分布的最大似然估计
-
4.正态分布的最大似然估计
- 5. 例题:概率计算
- 统计某个婚恋网站注册用户的实际年龄,均值25岁,标准差2,试估计用户年龄在21-29岁的概率至少是多少?
6. 术语摘录
以上是关于机器学习升级版(VII)——第2课 概率论与贝叶斯先验的主要内容,如果未能解决你的问题,请参考以下文章
干货来袭!3天0基础Python实战项目快速学会人工智能必学数学基础全套(含源码)(第3天)概率分析篇:条件概率全概率与贝叶斯公式