技术心得:机器学习的数学基础

简介: 技术心得:机器学习的数学基础

概率论和数理统计


随机事件和概率


1.事件的关系与运算


(1) 子事件: ,若 发生,则 发生。


(2) 相等事件: ,即 ,且 。


(3) 和事件: (或 ), 与 中至少有一个发生。


(4) 差事件: , 发生但 不发生。


(5) 积事件: (或 ), 与 同时发生。


(6) 互斥事件(互不相容): 。


(7) 互逆事件(对立事件):


2.运算律


(1) 交换律:


(2) 结合律: ;


(3) 分配律:


3.德 摩根律


4.完全事件组


两两互斥,且和事件为必然事件,即


5.概率的基本公式


(1)条件概率:


,表示 发生的条件下, 发生的概率。


(2)全概率公式:


(3) Bayes公式:


注:上述公式中事件 的个数可为可列个。


(4)乘法公式:


6.事件的独立性


(1) 与 相互独立


(2) , , 两两独立


; ; ;


(3) , , 相互独立


; ;


;


7.独立重复试验


将某试验独立重复 次,若每次实验中事件 发生的概率为 ,则 次试验中 发生 次的概率为:


8.重要公式与结论


(1)


(2)


(3)


(4) ,


(5)条件概率 满足概率的所有性质, 例如:.


(6)若 相互独立,则 ,


(7)互斥、互逆与独立性之间的关系: 与 互逆 与 互斥,但反之不成立, 与 互斥(或互逆)且均非零概率事件 与 不独立。


(8)若 相互独立,则 与 也相互独立,其中 分别表示对相应事件做任意事件运算后所得的事件,另外,概率为1(或0)的事件与任何事件相互独立.


随机变量及其概率分布


1.随机变量及概率分布


取值带有随机性的变量,严格地说是定义在样本空间上,取值于实数的函数称为随机变量,概率分布通常指分布函数或分布律


2.分布函数的概念与性质


定义: F(x) = P(X \leq x), - \infty < x </p>
<p>性质:</p>
<p>(1) </p>
<p>(2)  单调不减</p>
<p>(3) 右连续 </p>
<p>(4) </p>
<p>3.离散型随机变量的概率分布</p>
<p>4.连续型随机变量的概率密度</p>
<p>概率密度  ;非负可积,且:</p>
<p>(1) </p>
<p>(2) </p>
<p>(3)  为  的连续点,则:</p>
<p> 分布函数 </p>
<p>5.常见分布</p>
<p>(1) 0-1分布: </p>
<p>(2) 二项分布:  : </p>
<p>(3) Poisson分布:  :  0,k = 0,1,2\cdots


(4) 均匀分布 : f(x) = \{ \begin{matrix} & \frac{1}{b - a},a < x</p>
<p>(5) 正态分布:  :  0,\infty < x </p>
<p>(6)指数分布:  0,\lambda > 0 \\ & 0, \\ \end{matrix}


(7)几何分布: G(p):P(X = k) = {(1 - p)}^{k - 1}p,0 < p </p>
<p>(8)超几何分布: </p>
<p>6.随机变量函数的概率分布</p>
<p>(1)离散型: </p>
<p>则: </p>
<p>(2)连续型: </p>
<p>则:  ,</p>
<p>7.重要公式与结论</p>
<p>(1)  , </p>
<p>(2) </p>
<p>(3)  s + t|X > s) = P(X > t)


(4) m) = P(X = k)" class=//代码效果参考:http://www.lyjsj.net.cn/wx/art_23450.html

"medium-zoom-image">

(5) 离散型随机变量的分布函数为阶梯间断函数;连续型随机变量的分布函数为连续函数,但不一定为处处可导函数。


(6) 存在既非离散也非连续型随机变量。


多维随机变量及其分布


1.二维随机变量及其联合分布


由两个随机变量构成的随机向量 , 联合分布为


2.二维离散型随机变量的分布


(1) 联合概率分布律


(2) 边缘分布律


(3) 条件分布律


3. 二维连续性随机变量的密度


(1) 联合概率密度 :


1)


2)


(2) 分布函数:


(3) 边缘概率密度:


(4) 条件概率密度:


4.常见二维随机变量的联合分布


(1) 二维均匀分布: ,


(2) 二维正态分布: ,


5.随机变量的独立性和相关性


和 的相互独立: :


(离散型) (连续型)


和 的相关性:


相关系数 时,称 和 不相关,


否则称 和 相关


6.两个随机变量简单函数的概率分布


离散型: 则:


连续型:


则:


,


7.重要公式与结论


(1) 边缘密度公式:


(2)


(3) 若 服从二维Y=y正态分布


则有:


1)


2) 与 相互独立 ,即 与 不相关。


3)


4) 关于 的条件分布为: //代码效果参考:http://www.lyjsj.net.cn/wx/art_23448.html


5) 关于 的条件分布为:


(4) 若 与 独立,且分别服从 <img src="

相关文章
|
11天前
|
机器学习/深度学习 数据可视化 JavaScript
探索机器学习模型的可视化技术
【9月更文挑战第23天】在数据科学中,理解和解释机器学习模型的决策过程是至关重要的。本文将介绍几种流行的可视化工具和库,如TensorBoard、D3.js等,帮助读者更好地理解模型内部工作原理及其预测结果。通过实例演示如何使用这些工具进行模型可视化,增强模型的可解释性。
|
2月前
|
人工智能 Anolis
展示全栈式AI平台,探讨软硬件技术!英特尔分论坛议程来啦 | 2024 龙蜥大会
英特尔分论坛将依托英特尔云到端的全面产品组合,围绕至强可扩展处理器、AI 加速器、以及 oneAPI、OpenVINO 等软硬件技术展开探讨。
展示全栈式AI平台,探讨软硬件技术!英特尔分论坛议程来啦 | 2024 龙蜥大会
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【机器学习】python之人工智能应用篇--代码生成技术
代码生成技术是人工智能与软件工程交叉领域的一项重要技术,它利用机器学习、自然语言处理和其他AI算法自动编写或辅助编写计算机程序代码。这一技术旨在提高编程效率、降低错误率,并帮助非专业开发者快速实现功能。以下是代码生成技术的概述及其典型应用场景。
37 6
|
2月前
|
机器学习/深度学习 数据采集 人工智能
揭秘大型机器学习模型背后的秘密:如何在技术深度与广度之间找到完美平衡点,探索那些鲜为人知的设计、训练与部署技巧,让你的作品脱颖而出!
【8月更文挑战第21天】大型机器学习模型是人工智能的关键方向,借助不断增强的计算力和海量数据,已实现在学术与产业上的重大突破。本文深入探讨大型模型从设计到部署的全过程,涉及数据预处理、模型架构(如Transformer)、训练技巧及模型压缩技术,旨在面对挑战时提供解决方案,促进AI技术的实用化进程。
45 1
|
2月前
|
机器学习/深度学习 数据挖掘
机器学习模型的选择与评估:技术深度解析
【8月更文挑战第21天】机器学习模型的选择与评估是一个复杂而重要的过程。通过深入理解问题、选择合适的评估指标和交叉验证方法,我们可以更准确地评估模型的性能,并选择出最适合当前问题的模型。然而,机器学习领域的发展日新月异,新的模型和评估方法不断涌现。因此,我们需要保持对新技术的学习和关注,不断优化和改进我们的模型选择与评估策略。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【机器学习】python之人工智能应用篇——3D生成技术
在Python中,人工智能(AI)与3D生成技术的结合可以体现在多个方面,比如使用AI算法来优化3D模型的生成、通过机器学习来预测3D模型的属性,或者利用深度学习来生成全新的3D内容。然而,直接通过AI生成完整的3D模型(如从文本描述中生成)仍然是一个活跃的研究领域。 3D生成技术是一种通过计算机程序从二维图像或文本描述自动创建三维模型的过程。这一技术在近年来得到了飞速的发展,不仅为游戏、动画和影视行业带来了革命性的变革,还在虚拟现实、增强现实以及工业设计等多个领域展现出了巨大的应用潜力
43 2
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【机器学习】python之人工智能应用篇--游戏生成技术
游戏生成技术,特别是生成式人工智能(Generative Artificial Intelligence, 简称Generative AI),正逐步革新游戏开发的多个层面,从内容创作到体验设计。这些技术主要利用机器学习、深度学习以及程序化内容生成(Procedural Content Generation, PCG)来自动创造游戏内的各种元素,显著提高了开发效率、丰富了游戏内容并增强了玩家体验。以下是生成式AI在游戏开发中的几个关键应用场景概述
33 2
|
2月前
|
机器学习/深度学习 数据采集 分布式计算
构建一个高效的机器学习工作流:技术实践与优化策略
【8月更文挑战第12天】构建一个高效的机器学习工作流是一个复杂而持续的过程,需要综合考虑数据、模型、算法、平台等多个方面。通过遵循上述步骤和优化策略,可以显著提高机器学习项目的开发效率和质量,为业务带来更大的价值。未来,随着技术的不断进步和应用场景的不断拓展,我们有理由相信机器学习工作流将变得更加高效、智能和灵活。
|
2月前
|
机器学习/深度学习 数据采集 人工智能
理解并应用机器学习算法:从技术基础到实践应用
【8月更文挑战第10天】机器学习算法的应用已经深入到我们生活的方方面面,理解和掌握机器学习算法对于数据科学家、工程师乃至普通从业者来说都至关重要。通过本文的介绍,希望大家能够对机器学习有一个基本的认识,并学会如何将其应用于实际问题中。当然,机器学习是一个不断发展和演变的领域,只有不断学习和实践,才能跟上时代的步伐。
|
2月前
|
图形学 机器学习/深度学习 人工智能
颠覆传统游戏开发,解锁未来娱乐新纪元:深度解析如何运用Unity引擎结合机器学习技术,打造具备自我进化能力的智能游戏角色,彻底改变你的游戏体验——从基础设置到高级应用全面指南
【8月更文挑战第31天】本文探讨了如何在Unity中利用机器学习增强游戏智能。作为领先的游戏开发引擎,Unity通过ML-Agents Toolkit等工具支持AI代理的强化学习训练,使游戏角色能自主学习完成任务。文章提供了一个迷宫游戏示例及其C#脚本,展示了环境观察、动作响应及奖励机制的设计,并介绍了如何设置训练流程。此外,还提到了Unity与其他机器学习框架(如TensorFlow和PyTorch)的集成,以实现更复杂的游戏玩法。通过这些技术,游戏的智能化程度得以显著提升,为玩家带来更丰富的体验。
40 0
下一篇
无影云桌面