档案 | 概率

贝叶斯定理为计算条件概率提供了一种原则性的方法。它是一个看似简单的计算，尽管它可以用来轻松计算直觉常常会失败的事件的条件概率。虽然它是概率领域中的一个强大工具，但贝叶斯定理在 [...] 领域也被广泛使用。

机器学习概率速成课程。7天掌握机器学习中使用的概率。概率是一个被普遍认为是机器学习基石的数学领域。尽管概率是一个庞大的领域，拥有许多深奥的理论和发现，但其基本要素、工具和符号 [...]

概率计算令人沮丧地不符合直觉。我们的大脑过于急于走捷径并得出错误答案，而不是仔细思考问题并正确计算概率。为了使这个问题显而易见并帮助培养直觉，通过解决应用概率中的经典问题可以很有用。这些问题，例如 [...]

单个随机变量的概率是直接的，但在考虑两个或多个变量时可能会变得复杂。对于两个变量，我们可能对两个同时发生的事件的概率感兴趣，称为联合概率：给定另一个事件发生的事件的概率，称为条件概率，或者仅仅是 [...]

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。尽管如此，在机器学习中，我们经常有许多随机变量以通常复杂且未知的方式相互作用。可以使用特定的技术来量化概率 [...]

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将具有低的概率密度，而其他结果将具有高的概率密度。概率密度的整体形状被称为概率分布，而特定结果的概率计算 [...]

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，最显著的是模型数值输入和输出变量的分布，以及模型误差的分布。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。离散概率分布用于机器学习，最显著的是二元和多类分类问题的建模，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 [...] 的建模中。

概率不仅可以用于计算一个事件的可能性；它还可以概括所有可能结果的可能性。概率的一个关注点称为随机变量，而每个可能结果与它们的概率之间的关系称为概率分布。概率分布是 [...]

不确定性涉及在信息不完整的情况下做出决策，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语来描述，如机会、运气和风险。概率是一个数学领域，它为我们提供了量化事件不确定性和进行原则性推理的语言和工具 [...]