0
作為機器學習從業者，你需要知道概率分布相關的知識。這里有一份最常見的基本概率分布教程，大多數和使用 python 庫進行深度學習有關。
概率分布概述
共軛意味著它有共軛分布的關系。
在貝葉斯概率論中，如果后驗分布 p（θx）與先驗概率分布 p（θ）在同一概率分布族中，則先驗和后驗稱為共軛分布，先驗稱為似然函數的共軛先驗。共軛先驗維基百科在這里。
多分類表示隨機方差大于 2。
n 次意味著我們也考慮了先驗概率 p（x）。
為了進一步了解概率，我建議閱讀 [pattern recognition and machine learning，Bishop 2006]。
分布概率與特征
1.均勻分布（連續）
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
先驗概率 p（x）不考慮伯努利分布。因此，如果我們對最大似然進行優化，那么我們很容易被過度擬合。
利用二元交叉熵對二項分類進行分類。它的形式與伯努利分布的負對數相同。
3.二項分布（離散）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/binomial.py
參數為 n 和 p 的二項分布是一系列 n 個獨立實驗中成功次數的離散概率分布。
二項式分布是指通過指定要提前挑選的數量而考慮先驗概率的分布。
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。
交叉熵和采取負對數的多伯努利分布具有相同的形式。
5.多項式分布（離散）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/multinomial.py
多項式分布與分類分布的關系與伯努爾分布與二項分布的關系相同。
6.β分布（連續）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.py
β分布與二項分布和伯努利分布共軛。
利用共軛，利用已知的先驗分布可以更容易地得到后驗分布。
當β分布滿足特殊情況（α=1，β=1）時，均勻分布是相同的。
7.Dirichlet 分布（連續）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.py
dirichlet 分布與多項式分布是共軛的。
如果 k=2，則為β分布。
8.伽馬分布（連續）
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。
指數分布和卡方分布是伽馬分布的特例。
9.指數分布（連續）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/exponential.py
指數分布是 α 為 1 時 γ 分布的特例。
10.高斯分布（連續）
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的連續概率分布。
11.正態分布（連續）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/normal.py
正態分布為標準高斯分布，平均值為 0，標準差為 1。
12.卡方分布（連續）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/chi-squared.py
k 自由度的卡方分布是 k 個獨立標準正態隨機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）
代碼：https://github.com/graykode/distribution-is-all-you-need/blob/master/student-t.py
t 分布是對稱的鐘形分布，與正態分布類似，但尾部較重，這意味著它更容易產生遠低于平均值的值。
via：https://github.com/graykode/distribution-is-all-you-need
雷鋒網雷鋒網雷鋒網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
