深度学习需要掌握的13个概率分布
点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
在逛Github时发现了一个不错的总结,对深度学习的概率分布进行了总结。
作者的Github开源地址:https://github.com/graykode/distribution-is-all-you-needgithub.com
1.均匀分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/uniform.py
均匀分布在 [a,b] 上具有相同的概率值,是简单概率分布。
2.伯努利分布(离散)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/bernoulli.py
3.二项分布(离散)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/binomial.py
4.多伯努利分布/分类分布(离散)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/categorical.py
5.多项式分布(离散)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/multinomial.py
多项式分布与分类分布的关系与伯努尔分布与二项分布的关系相同。
6.β分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.py
7.Dirichlet 分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.py
8.伽马分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/gamma.py
9.指数分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/exponential.py
指数分布是 α 为 1 时 γ 分布的特例。
10.高斯分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/gaussian.py
高斯分布是一种非常常见的连续概率分布。
11.正态分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/normal.py
正态分布为标准高斯分布,平均值为0,标准差为1。
12.卡方分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/chi-squared.py
13.t 分布(连续)代码:https://github.com/graykode/distribution-is-all-you-need/blob/master/student-t.py
t分布是对称的钟形分布,与正态分布类似,但尾部较重,这意味着它更容易产生远低于平均值的值。