Distribusi Gaussian

Matematika ketidakpastian

Distribusi Gaussian (normal) muncul lebih dari yang lain di machine learning. Ini lonceng halus, simetris yang Anda dapat kapan pun banyak efek kecil independen dijumlah. Dua angka menetapkannya sepenuhnya: mean μ (di mana puncak berada) dan varians σ² (seberapa lebar lonceng).

Rumus punya lebih sedikit bagian bergerak daripada terlihat. Jantungnya exp(−(x−μ)²/2σ²): jarak dari mean, dikuadratkan, dibuat negatif, jadi kepadatan turun cepat saat Anda menjauh dari μ. Kejarangan di depan sekadar konstanta yang membuat luas sama 1.

Seret μ untuk meluncurkan lonceng kiri/kanan dan σ untuk melebarkan atau menajamkannya. σ kecil member puncak tinggi, percaya; σ besar menyebarkan keyakinan tipis atas rentang lebar.

Di mana ini berlaku dalam MLPertama kali jaringan menyentuh Gaussian adalah sebelum pelatihan dimulai: inisialisasi bobot diambil dari normal diskalakan dengan ukuran lapisan (He/Xavier init). Model noise berasumsi residual Gaussian, yang membuat regresi least-squares fit maksimum-likelihood. Ruang laten VAE adalah prior Gaussian, dan trik reparameterisasi menyampel z = μ + σ·ε dengan ε ~ N(0,1), yang merupakan z-score…
▶ Distribusi Gaussian
← Ekspektasi & Varians (kontinu)Distribusi Kontinu Kunci →