本文約1400字，建議閱讀5分鐘
這里有一份最常見的基本概率分布教程，大多數(shù)和使用 python 庫進(jìn)行深度學(xué)習(xí)有關(guān)。
作為機(jī)器學(xué)習(xí)從業(yè)者，你需要知道概率分布相關(guān)的知識(shí)。這里有一份最常見的基本概率分布教程，大多數(shù)和使用 python 庫進(jìn)行深度學(xué)習(xí)有關(guān)。在貝葉斯概率論中，如果后驗(yàn)分布 p（θx）與先驗(yàn)概率分布 p（θ）在同一概率分布族中，則先驗(yàn)和后驗(yàn)稱為共軛分布，先驗(yàn)稱為似然函數(shù)的共軛先驗(yàn)。共軛先驗(yàn)維基百科在這里（https://en.wikipedia.org/wiki/Conjugate_prior）。
- n 次意味著我們也考慮了先驗(yàn)概率 p（x）。
- 為了進(jìn)一步了解概率，我建議閱讀 [pattern recognition and machine learning，Bishop 2006]。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/uniform.py均勻分布在 [a，b] 上具有相同的概率值，是簡(jiǎn)單概率分布。代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/bernoulli.py- 先驗(yàn)概率 p（x）不考慮伯努利分布。因此，如果我們對(duì)最大似然進(jìn)行優(yōu)化，那么我們很容易被過度擬合。
- 利用二元交叉熵對(duì)二項(xiàng)分類進(jìn)行分類。它的形式與伯努利分布的負(fù)對(duì)數(shù)相同。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/binomial.py- 參數(shù)為 n 和 p 的二項(xiàng)分布是一系列 n 個(gè)獨(dú)立實(shí)驗(yàn)中成功次數(shù)的離散概率分布。
- 二項(xiàng)式分布是指通過指定要提前挑選的數(shù)量而考慮先驗(yàn)概率的分布。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/categorical.py- 交叉熵和采取負(fù)對(duì)數(shù)的多伯努利分布具有相同的形式。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/multinomial.py多項(xiàng)式分布與分類分布的關(guān)系與伯努爾分布與二項(xiàng)分布的關(guān)系相同。代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.py- 利用共軛，利用已知的先驗(yàn)分布可以更容易地得到后驗(yàn)分布。
- 當(dāng)β分布滿足特殊情況（α=1，β=1）時(shí)，均勻分布是相同的。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.py- dirichlet 分布與多項(xiàng)式分布是共軛的。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/gamma.py- 如果 gamma（a，1）/gamma（a，1）+gamma（b，1）與 beta（a，b）相同，則 gamma 分布為β分布。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/exponential.py指數(shù)分布是 α 為 1 時(shí) γ 分布的特例。代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/gaussian.py代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/normal.py正態(tài)分布為標(biāo)準(zhǔn)高斯分布，平均值為 0，標(biāo)準(zhǔn)差為 1。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/chi-squared.py- k 自由度的卡方分布是 k 個(gè)獨(dú)立標(biāo)準(zhǔn)正態(tài)隨機(jī)變量的平方和的分布。
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/student-t.pyt 分布是對(duì)稱的鐘形分布，與正態(tài)分布類似，但尾部較重，這意味著它更容易產(chǎn)生遠(yuǎn)低于平均值的值。via：https://github.com/graykode/distribution-is-all-you-need編輯：王菁
校對(duì)：林亦霖
