深度学习概率分布与核心运算 —— 概率论的工具箱（八）

张开发
• 2026/5/21 1:31:57 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

深度学习概率分布与核心运算 —— 概率论的工具箱（八）
1. 定位导航上一篇回答了"为什么需要概率"。本篇开始构建概率论的基本工具箱——这些工具是理解后续所有内容（损失函数、贝叶斯推断、生成模型、信息论）的数学基础。本篇覆盖六大核心概念：随机变量与概率分布（PMF/PDF）、边缘概率、条件概率、链式法则、独立性、期望/方差/协方差。2. 随机变量随机变量是可以随机地取不同值的变量。它本身只是对可能状态的描述，必须伴随一个概率分布来指定每个状态的可能性。随机变量分两类：类型状态空间例子离散型有限或可数无限个状态骰子点数{1,2,3,4,5,6}、词汇表中的单词连续型实数值温度、身高、神经网络权重3. 概率分布

更多文章