作者：Sophia@知乎

來(lái)源：https://zhuanlan.zhihu.com/p/158801020

本文僅用于學(xué)術(shù)分享，著作權(quán)歸作者所有。如有侵權(quán)，請(qǐng)聯(lián)系后臺(tái)作刪文處理。

在逛Github時(shí)發(fā)現(xiàn)了一個(gè)不錯(cuò)的總結(jié)，對(duì)深度學(xué)習(xí)的概率分布進(jìn)行了總結(jié)。作者的Github開(kāi)源地址：https://github.com/graykode/distribution-is-all-you-needgithub.com1. 均勻分布(連續(xù))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。2. 伯努利分布(離散)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(guò)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。3. 二項(xiàng)分布(離散)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(guò)指定要提前挑選的數(shù)量而考慮先驗(yàn)概率的分布。4. 多伯努利分布/分類分布(離散)代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/categorical.py多伯努利稱為分類分布。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。5. 多項(xiàng)式分布(離散)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。6. β分布(連續(xù))代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.pyβ分布與二項(xiàng)分布和伯努利分布共軛。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。7. Dirichlet 分布(連續(xù))代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.pydirichlet 分布與多項(xiàng)式分布是共軛的。如果 k=2，則為β分布。8.伽馬分布(連續(xù))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。指數(shù)分布和卡方分布是伽馬分布的特例。9. 指數(shù)分布(連續(xù))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。10. 高斯分布(連續(xù))代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/gaussian.py高斯分布是一種非常常見(jiàn)的連續(xù)概率分布。11. 正態(tài)分布(連續(xù))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。12. 卡方分布(連續(xù))代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/chi-squared.pyk 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。卡方分布是 β 分布的特例。13. t 分布(連續(xù))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。

作者：Sophia@知乎

來(lái)源：https://zhuanlan.zhihu.com/p/158801020

本文僅作學(xué)術(shù)交流，如有侵權(quán)，請(qǐng)聯(lián)系后臺(tái)刪除

—END—

版權(quán)聲明：本號(hào)內(nèi)容部分來(lái)自互聯(lián)網(wǎng)，轉(zhuǎn)載請(qǐng)注明原文鏈接和作者，如有侵權(quán)或出處有誤請(qǐng)和我們聯(lián)系。

人工智能精選【rgznjx】專注大數(shù)據(jù)，人工智能/機(jī)器學(xué)習(xí) 精選內(nèi)容和產(chǎn)業(yè)服務(wù)平臺(tái)。

與50位技術(shù)專家面對(duì)面20年技術(shù)見(jiàn)證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的gamma分布_深度学习需要掌握的 13 个概率分布（附代码）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。