作者归档 | Jason Brownlee

概率量化了随机变量结果的不确定性。理解和计算单个变量的概率相对容易。然而，在机器学习中，我们经常有许多随机变量以复杂且未知的方式相互作用。有一些特定的技术可用于量化概率 […]

概率密度是观测值与其概率之间的关系。随机变量的某些结果的概率密度低，而其他结果的概率密度高。概率密度的整体形状称为概率分布，特定随机变量结果的概率计算 […]

连续随机变量的概率可以用连续概率分布来概括。在机器学习中会遇到连续概率分布，尤其是在模型的数值输入和输出变量的分布以及模型误差的分布中。还需要了解正态连续概率分布 […]

离散随机变量的概率可以用离散概率分布来概括。离散概率分布在机器学习中使用，尤其是在二元和多类分类问题的建模中，也用于评估二元分类模型的性能，例如置信区间的计算，以及在建模 […]

概率不仅可以用于计算单个事件发生的可能性；它还可以总结所有可能结果发生的可能性。概率中的一个关注点称为随机变量，而随机变量的每个可能结果与其概率之间的关系称为概率分布。概率分布是 […]

不确定性涉及到在信息不完整的情况下做决策，而这正是我们在世界上的普遍运作方式。处理不确定性通常用日常词汇来描述，如机会、运气和风险。概率是一门数学领域，它为我们提供了量化事件不确定性和进行有原则性推理的语言和工具 […]

应用机器学习需要管理不确定性。机器学习项目中的不确定性来源有很多，包括具体数据值的方差、从领域收集的数据样本，以及从这些数据开发出的任何模型的固有缺陷。管理机器学习中固有的不确定性以进行预测 […]

概率是一门量化不确定性的数学领域。它无疑是机器学习领域的支柱，许多人都建议将其作为入门前的先修科目。这是一个误导性的建议，因为一旦从业者有了应用机器学习的背景，概率就更容易理解 […]

机器学习是计算机科学的一个分支，涉及开发能够从数据中学习的系统。与统计学和线性代数一样，概率是支持机器学习的另一个基础领域。概率是一门关于量化不确定性的数学领域。机器学习的许多方面都存在不确定性，包括最关键的问题观察 […]

朴素分类器是一种简单的分类模型，它对问题几乎不作任何假设，其性能可以作为所有其他在数据集上进行评估的模型进行比较的基准。朴素分类器有不同的策略，其中一些比另一些更好，具体取决于 […]