本文是斯坦福大学CS229机器学习课程的基础材料
原文作者:Arian Maleki , Tom Do
翻译:石振宇
审核和修改制作:黄海广
备注:请关注github的更新。
CS229 机器学习课程复习材料-概率论
目录
- 3.1 联合分布和边缘分布
- 3.2 联合概率和边缘概率质量函数
- 3.3 联合概率和边缘概率密度函数
- 3.4 条件概率分布
- 3.5 贝叶斯定理
- 3.6 独立性
- 3.7 期望和协方差
概率论复习和参考
概率论是对不确定性的研究。通过这门课,我们将依靠概率论中的概念来推导机器学习算法。这篇笔记试图涵盖适用于CS229的概率论基础。概率论的数学理论非常复杂,并且涉及到“分析”的一个分支:测度论。在这篇笔记中,我们提供了概率的一些基本处理方法,但是不会涉及到这些更复杂的细节。
1. 概率的基本要素
为了定义集合上的概率,我们需要一些基本元素,