1、在自然界数据的分布通常是正态分布（如年龄、身高、体重等），所以当我们对数据潜在分布模式不清楚时，这是最好的近似。
2、在ML/AI中，目标通常是使得数据线性可分，甚至意味着将数据投影到更高维空间，找到一个可拟合的超平面（如SVM核，神经网络层，softmax等）。原因是“线性分界通常有助于减少方差variance而且是最简单，自然和可理解的”，同时减少数学/计算的复杂性。同时，当我们聚焦线性可分时，通常可以很好减少异常点、影响点和杠杆点的作用。为啥？因为超平面是对影响点和杠点（异常点）非常敏感。举个例子，在二维空间中，我们有一个预测器predictor(X)，和目标值（y)，假设X和y是很好的正相关。在这个情形下，假设X是正态分布，y也是正态分布，那么你可以拟合到一条很直的线，相比边界点（异常点，杠杆点），很多点都集中在线的中间，所以这个预测回归线在预测未知数据时，降低方差variance的影响。
用上面例子，理解在n维空间，拟合一个超平面，让数据线性可分，就理解正态分布可以降低方差variance的影响
1、在自然界数据的分布通常是正态分布（如年龄、身高、体重等），所以当我们对数据潜在分布模式不清楚时，这是最好的近似...
高斯分布就是正态分布： 在机器学习中，人们习惯使用1/m，尽管不是1/(m-1)，但是区别不大，可以忽略。
简介：数字少了，杂乱无章的东西就少了，科学性就强了。 字幕组双语原文：机器学习中的数学意义[https://lin...
引言 广义逆高斯作为一种含义丰富的概率分布，其参数为特定值时又衍生出几种经典有用的分布，现做一整理介绍。 广义逆高...
多元高斯分布与一元高斯分布的关系 首先一维标准正态分布： 二维标准正态分布，就是两个独立的一维标准正态分布随机变量...
http://www.jianshu.com/p/b14a35b9b7ad 还是对计算机的监测，我们发现CPU负载...
一、概述 假设有以下数据： 二、通过极大似然估计高斯分布的均值和方差 极大似然 高斯分布 一维高斯分布下的估计 关...
No.1 多元高斯分布 （1）多元高斯分布（多元正态分布）简介 | 数据学习者官方网站(Datalearner) ...
还是对计算机的监测，我们发现CPU负载和占用内存之间，存在正相关关系。 CPU负负载增加的时候占用内存也会增加： ...
1.2中 高斯分布基础 高斯分布是概率论中最常用的概率分布之一，其概率密度函数如下高斯分布由两个参数控制，其中 ...
本文标题：在机器学习中高斯分布的意义
本文链接：https://www.haomeiwen.com/subject/wxoqcctx.html
网友评论