高斯分布简述

简介: A Brief of Gaussian Distribution Gaussian distribution, also known as normal distribution, is the most popular continuous probability distribution. In monovariate case, x∈(−∞,∞)x\in (-\i

A Brief of Gaussian Distribution
Gaussian distribution, also known as normal distribution, is the most popular continuous probability distribution.

In monovariate case, x(,), parameters of the Gaussian distribution are average μ(,)and variance σ2>0. The probability function is defined as follows

p(x|μ,σ2)=12πσ2exp{(xμ)22σ2}

E[x]=μ

var[x]=σ2

In multivariate case, consider the d-dimension vector x, the average μ is a d-dimension vector, too. However, the covariance in this case becomes a positive definite matrix Σ of d×d dimension.

p(x|μ,Σ)=1(2π)ddet(Σ)exp{12(xμ)TΣ1(xμ)}

E[x]=μ

cov[x]=Σ
相关文章
|
6月前
|
机器学习/深度学习 数据处理 Python
深入理解双变量(二元)正态投影:理论基础、直观解释与应用实例
本文探讨了统计学与机器学习中的二元投影技术,它基于二元正态分布,用于预测一个变量在给定另一变量值时的期望值。文章分为三部分:首先介绍了二元正态投影的基本公式及其在回归中的应用;接着通过直观解释和模拟展示了不同相关性下变量间的关系;最后运用投影公式推导出线性回归的参数估计,并通过实例说明其在预测房屋价格等场景中的应用。附录中详细推导了二元线性投影的过程。二元投影作为一种强大工具,在数据分析中帮助简化复杂问题并揭示数据背后的规律。
89 1
深入理解双变量(二元)正态投影:理论基础、直观解释与应用实例
Matlab:如何利用层次分析法(升级版)计算具有多重指标的判断矩阵的一致性检验和权重
Matlab:如何利用层次分析法(升级版)计算具有多重指标的判断矩阵的一致性检验和权重
405 0
|
算法
算法第四章矩阵你真的了解吗?(一)
算法第四章矩阵你真的了解吗?(一)
140 0
算法第四章矩阵你真的了解吗?(一)
|
算法
算法第四章矩阵你真的了解吗?(二)
算法第四章矩阵你真的了解吗?(二)
226 0
算法第四章矩阵你真的了解吗?(二)
|
数据采集 自然语言处理 算法
广义学习矢量量化(GLVQ)分类算法介绍和代码实现
广义学习矢量量化(Generalized Learning Vector Quantization,GLVQ)是一种基于原型的分类算法,用于将输入数据分配到先前定义的类别中。
201 0
广义学习矢量量化(GLVQ)分类算法介绍和代码实现
|
机器学习/深度学习 算法 数据挖掘
logistic模型原理与推导过程分析(1)
给定一些数据集合,他们分别属于两个不同的类别。例如对于广告数据来说,是典型的二分类问题,一般将被点击的数据称为正样本,没被点击的数据称为负样本。现在我们要找到一个线性分类器,将这些数据分为两类。用X表示样本数据,Y表示样本类别(例如1与-1,或者1与0)。我们线性分类器的目的,就是找到一个超平面将两类样本分开。
493 0
|
机器学习/深度学习 算法 大数据
logistic模型原理与推导过程分析(2)
其中m表示样本个数,n表示影响因数的个数,yi(i=0,1,⋯ ,m)取0或者1。现在我们结合数据,利用条件概率分布模型给出基于概率的二项logistic模型如下
230 0
logistic模型原理与推导过程分析(3)
由上面的式子可以看出,g(A)的参数是一个m*1的矩阵,或者说是一个列向量。如果我们设计函数g的时候,支持传入一个列向量,并返回一个列向量,则hθ(x)−y可以一次计算得到结果。
139 0
|
机器学习/深度学习
划重点!通俗解释协方差与相关系数
划重点!通俗解释协方差与相关系数
610 1
划重点!通俗解释协方差与相关系数