《计算机视觉:模型、学习和推理》一第3章 常用概率分布-阿里云开发者社区

开发者社区> 华章出版社> 正文

《计算机视觉:模型、学习和推理》一第3章 常用概率分布

简介: 本节书摘来华章计算机《计算机视觉:模型、学习和推理》一书中的第3章 , [英]西蒙J. D. 普林斯(Simon J. D. Prince)著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。

第3章

常用概率分布

第2章介绍了概率运算的抽象规则。为了使用这些规则,还需要定义若干概率分布。概率分布Pr(x)的选择取决于建模数据x的定义域(见表3-1)。
2017_09_19_114441
概率分布对视觉数据的建模显然是有用的,例如分类分布和正态分布。然而,其他分布往往并非如此,例如,狄利克雷分布存在总和为1的K个正数,视觉数据通常不采用这种形式。
解释如下:当拟合数据的概率模型时,需要知道拟合的不确定性。该不确定性用拟合模型参数的概率分布来表示。因此对用于建模的每种分布,另有一个与参数联系的概率分布表(见表3-2)。例如,狄利克雷用来建模分类分布的参数。在这种情况下,狄利克雷的参数将称为超参数。一般来说,超参数决定原分布的参数的概率分布的形状。
2017_09_19_114609
在详细阐述分布的参数的关系之前,先浏览一下表3-2中的分布。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:

华章出版社

官方博客
官网链接