高斯分布_简介
2017-09-18 08:30
204 查看
p.p1 { margin: 0.0px 0.0px 0.0px 0.0px; font: 12.0px "Hannotate SC" }
p.p2 { margin: 0.0px 0.0px 0.0px 0.0px; font: 12.0px "Hannotate SC"; min-height: 17.0px }
span.s1 { }
span.Apple-tab-span { white-space: pre }
a. 一元高斯分布
b. 多元高斯分布
c. 似然函数
d. 独立同分布(i.i.d —> independent and identically distributed)
给定一个样本集合,其中样本都取自于同一个分布,且彼此之间相互独立,称之为独立同分布;其特性就是这些样本的联合概率,为它们各自的边缘分布的乘积;
e. 最大似然估计的局限性
基于给定样本集合来估计分布(求解分布参数),常用的方法是最大似然估计法,即选择这样的分布参数,它能使得样本的联合概率最大。(疑惑:不是应该基于给定的样本数据,选择概率最大的分布参数么,两者有什么区别呢?)
三个样本集合取自同一个高斯分布,分别对应上图中的(a)(b)(c),可以看出:
(1)多次抽样产出,样本均值的期望等于真实分布的均值;
(2)由于样本方差是由当前样本均值得到,故即便多次抽样,样本方差的期望较真实分布的方差偏小;
上述情况就是所谓的偏置现象,这也是过拟合的本质原因。
p.p2 { margin: 0.0px 0.0px 0.0px 0.0px; font: 12.0px "Hannotate SC"; min-height: 17.0px }
span.s1 { }
span.Apple-tab-span { white-space: pre }
a. 一元高斯分布
b. 多元高斯分布
c. 似然函数
d. 独立同分布(i.i.d —> independent and identically distributed)
给定一个样本集合,其中样本都取自于同一个分布,且彼此之间相互独立,称之为独立同分布;其特性就是这些样本的联合概率,为它们各自的边缘分布的乘积;
e. 最大似然估计的局限性
基于给定样本集合来估计分布(求解分布参数),常用的方法是最大似然估计法,即选择这样的分布参数,它能使得样本的联合概率最大。(疑惑:不是应该基于给定的样本数据,选择概率最大的分布参数么,两者有什么区别呢?)
三个样本集合取自同一个高斯分布,分别对应上图中的(a)(b)(c),可以看出:
(1)多次抽样产出,样本均值的期望等于真实分布的均值;
(2)由于样本方差是由当前样本均值得到,故即便多次抽样,样本方差的期望较真实分布的方差偏小;
上述情况就是所谓的偏置现象,这也是过拟合的本质原因。
相关文章推荐
- 机器学习 | 二:高斯分布
- 高斯分布
- 高斯分布补充知识
- 高斯分布 (Gaussian distribution)
- 分布拟合——正态/拉普拉斯/对数高斯/瑞利 分布
- 哈希分布与一致性哈希算法简介
- Spring Cloud分布式微服务云架构--简介
- 多维高斯分布讲解
- 利用sEMG能量高斯分布特性提取动作信号的方法
- python 随机产生多维高斯分布点
- 统计学简介之三——样本均值分布与中心极限定理
- 高斯分布函数解析
- 高斯分布的信息熵最大。即,高斯分布是最混乱系统。
- 人生就是一个高斯分布或者是一个冲击函数
- 第12节-K-means算法,高斯混合分布和EM求解算法
- 哈希分布与一致性哈希算法简介
- 高斯分布(正态分布)
- 高斯分布_三种类别
- “上帝的算法”在高斯混合分布中的应用
- 从 高斯 到 正态分布 到 Z分布 到 t分布