Distribuciones Discretas Clave

Las matemáticas de la incertidumbre

Un puñado de distribuciones nombradas cubren la mayoría de las situaciones discretas en ML. Cada una es un PMF listo para usar con media y varianza conocidas, por lo que puedes elegir la correcta sin tener que derivarla desde cero.

Bernoulli(p) modela un ensayo con dos resultados posibles: éxito (1) con probabilidad p, fracaso (0) con probabilidad 1−p. Es el bloque de construcción a partir del cual se construyen todas las demás distribuciones discretas.

Dos conteos cotidianos muestran las distribuciones principales. Lanza una moneda 10 veces y cuenta las caras: ese conteo es Binomial, una suma de 10 ensayos independientes de sí/no. Ahora cuenta las llamadas telefónicas que recibe un servicio de ayuda en una hora: ese conteo es de Poisson, la ley para eventos raros esparcidos a través del tiempo, con una única tasa λ que sirve a la vez como su media y su varianza.

Dónde aparece en el MLCuando eliges una función de pérdida para la clasificación, en realidad estás seleccionando una de estas distribuciones. Cross-entropy binaria es el logaritmo negativo de probabilidad de un Bernoulli: califica la probabilidad única del modelo contra una etiqueta 0/1. Cross-entropy multiclase es el logaritmo negativo de probabilidad de un Categorical, la salida softmax calificada contra una…
▶ Distribuciones Discretas Clave
← VarianzaPDF y CDF →