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 计算机视觉
【机器学习】LoFTR:革命性图像特征批评技术等领跑者
【机器学习】LoFTR:革命性图像特征批评技术等领跑者
20 1
|
1天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与机器学习的融合:未来技术发展的新趋势
随着科技的快速发展,人工智能(AI)和机器学习(ML)已成为当今最热门的话题。本文将探讨AI与ML的融合如何推动未来技术的发展,以及这种融合对各行业的影响。我们将通过分析最新的研究成果、统计数据和案例研究,深入探讨AI与ML的融合如何改变我们的生活和工作方式。
|
3天前
|
机器学习/深度学习 算法 数据可视化
技术心得记录:机器学习笔记之聚类算法层次聚类HierarchicalClustering
技术心得记录:机器学习笔记之聚类算法层次聚类HierarchicalClustering
|
3天前
|
机器学习/深度学习 分布式计算 API
技术好文:Spark机器学习笔记一
技术好文:Spark机器学习笔记一
|
3天前
|
机器学习/深度学习 数据采集 JavaScript
技术心得记录:机器学习——用逻辑回归及随机森林实现泰坦尼克号的生存预测
技术心得记录:机器学习——用逻辑回归及随机森林实现泰坦尼克号的生存预测
12 0
|
3天前
|
机器学习/深度学习 算法
技术经验解读:【机器学习】代价函数(costfunction)
技术经验解读:【机器学习】代价函数(costfunction)
|
3天前
|
机器学习/深度学习 算法 数据挖掘
技术心得:机器学习入门篇——感知器
技术心得:机器学习入门篇——感知器
|
6天前
|
机器学习/深度学习 算法 安全
【机器学习与大模型】开源大模型和闭源大模型:技术发展与社会责任的平衡点
【机器学习与大模型】开源大模型和闭源大模型:技术发展与社会责任的平衡点
16 0
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
GPT-4中的机器学习技术
GPT-4中的机器学习技术
10 0
|
3天前
|
数据采集 机器学习/深度学习 算法
机器学习方法之决策树算法
决策树算法是一种常用的机器学习方法,可以应用于分类和回归任务。通过递归地将数据集划分为更小的子集,从而形成一棵树状的结构模型。每个内部节点代表一个特征的判断,每个分支代表这个特征的某个取值或范围,每个叶节点则表示预测结果。
14 1