Ключови непрекъснати разпределения — Вероятност

Отвъд гаусовото, в машинното обучение често се появяват още няколко непрекъснати разпределения. Всяко от тях отговаря на различен въпрос: „някъде в даден диапазон?“, „колко време остава до следващото събитие?“, „как е разпределена самата неизвестна вероятност?“

Равномерното разпределение (Uniform) U(a, b) разпределя вероятността поравно в даден интервал с постоянна плътност 1/(b−a). То е изборът по подразбиране, когато „не знаем нищо друго, освен обхвата“, и служи като суровина за семплиране: всеки генератор на случайни числа започва от U(0,1).

Експоненциалното разпределение (Exponential(λ)) моделира времето до настъпването на случайно събитие, когато събитията се случват с постоянна средна честота (rate) λ. То е без памет (memoryless): това, че вече сте чакали известно време, не променя оставащото време за чакане.

Къде се използва това в MLРазпределението на Дирихле е „разпределение върху разпределения“: то генерира теглата на смесване в тематичните модели (LDA) и вероятностите за категории, по които един байесов класификатор осреднява. Бета разпределението е приор за вероятност, която искате да оцените (като например click-through rate или несиметричност на монета), и се използва при Thompson семплирането при многоръки бандити…