机器学习知识点(二十八)Beta分布和Dirichlet分布理解
2017-05-17 10:30
225 查看
1、二者关系:
Dirichlet分布是Beta分布的多元推广。Beta分布是二项式分布的共轭分布,Dirichlet分布是多项式分布的共轭分布。
通常情况下,我们说的分布都是关于某个参数的函数,把对应的参数换成一个函数(函数也可以理解成某分布的概率密度)就变成了关于函数的函数。
于是,把Dirichlet分布里面的参数换成一个基分布就变成了一个关于分布的分布了。
2、Beta分布:
beta分布与二项分布的共轭先验性质二项分布
二项分布即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立,并且相互独立,与其它各次试验结果无关,事件发生与否的概率在每一次独立试验中都保持不变,则这一系列试验总称为n重伯努利实验,当试验次数为1时,二项分布服从0-1分布
二项分布的似然函数:
beta分布
在beta分布中,B函数是一个标准化函数,它只是为了使得这个分布的概率密度积分等于1才加上的。
参考:https://en.wikipedia.org/wiki/Beta_distribution
3、Dirichlet分布
狄利克雷分布是一组连续多变量概率分布,是多变量普遍化的Β分布。
K阶狄利克雷分布的概率密度函数表示为如下形式:
其中,
为参数。概率密度函数定义在(K-1)维单纯形上:
归一化常数为对变量Beta函数,可以用Gamma函数来表示:
参考:https://en.wikipedia.org/wiki/Dirichlet_distribution
Dirichlet分布是Beta分布的多元推广。Beta分布是二项式分布的共轭分布,Dirichlet分布是多项式分布的共轭分布。
通常情况下,我们说的分布都是关于某个参数的函数,把对应的参数换成一个函数(函数也可以理解成某分布的概率密度)就变成了关于函数的函数。
于是,把Dirichlet分布里面的参数换成一个基分布就变成了一个关于分布的分布了。
2、Beta分布:
beta分布与二项分布的共轭先验性质二项分布
二项分布即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立,并且相互独立,与其它各次试验结果无关,事件发生与否的概率在每一次独立试验中都保持不变,则这一系列试验总称为n重伯努利实验,当试验次数为1时,二项分布服从0-1分布
二项分布的似然函数:
beta分布
在beta分布中,B函数是一个标准化函数,它只是为了使得这个分布的概率密度积分等于1才加上的。
参考:https://en.wikipedia.org/wiki/Beta_distribution
3、Dirichlet分布
狄利克雷分布是一组连续多变量概率分布,是多变量普遍化的Β分布。
K阶狄利克雷分布的概率密度函数表示为如下形式:
其中,
为参数。概率密度函数定义在(K-1)维单纯形上:
归一化常数为对变量Beta函数,可以用Gamma函数来表示:
参考:https://en.wikipedia.org/wiki/Dirichlet_distribution
相关文章推荐
- 如何理解Beta分布和Dirichlet分布?
- 如何理解Beta分布和Dirichlet分布?
- 机器学习第十六课part1(beta分布,dirichlet分布)
- 理解二项分布,beta分布,多项分布 狄利克雷分布的
- 理解二项分布,beta分布,多项分布 狄利克雷分布的
- 关于Beta分布、二项分布与Dirichlet分布、多项分布的关系
- 从二项式分布到多项式分布-从Beta分布到Dirichlet分布
- 理解二项分布,beta分布,多项分布 狄利克雷分布的
- LDA学习之beta分布和Dirichlet分布
- beta分布和Dirichlet分布
- beta 分布的简单理解
- 带你理解beta分布
- 伯努利分布、二项分布、多项分布、Beta分布、Dirichlet分布、连续分布(正态分布)、大数定理、中心极限定理、贝叶斯理论
- 关于Beta分布、二项分布与Dirichlet分布、多项分布的关系
- 理解二项分布,beta分布,多项分布 狄利克雷分布的
- 机器学习的数学基础(1)--Dirichlet分布
- 机器学习:LDA_数学基础_3:贝叶斯数学:Beta和Dirichlet
- 机器学习知识点(二十七)先验概率和后验概率理解
- 理解二项分布,beta分布,多项分布 狄利克雷分布的
- 机器学习的数学基础(1)--Dirichlet分布