Temel Kesikli Dağılımlar

The mathematics of uncertainty

Adı belirli birkaç dağılım, ML'deki kesikli durumların çoğunu kapsar. Her biri, bilinen ortalama ve varyansa sahip hazır bir PMF'tir; böylece her seferinde sıfırdan türetmek yerine doğru olanı seçersin.

Bernoulli(p), iki sonuçlu tek bir denemeyi modeller: başarı (1) p olasılığıyla, başarısızlık (0) 1−p olasılığıyla. Diğer her kesikli dağılımın yapı taşıdır.

Gündelik hayattan iki sayım, başlıca dağılımları gösterir. Bir parayı 10 kez atın ve turaları sayın: bu sayım, 10 bağımsız evet/hayır denemesinin toplamı olan Binom dağılımıdır. Şimdi bir yardım masasına bir saatte gelen telefon görüşmelerini sayın: bu sayım Poisson dağılımıdır, zaman içine serpiştirilmiş nadir olayların kuralıdır ve hem ortalaması hem de varyansı olan tek bir λ oranına sahiptir.

Bunun ML'deki yeriBir sınıflandırma kaybı seçtiğinde, aslında bu dağılımlardan birini seçersin. İkili çapraz entropi, bir Bernoulli'nin negatif log-olabilirliğidir: bir modelin tek olasılığını 0/1 etiketine göre puanlar. Çok sınıflı çapraz entropi, bir Kategorik'in negatif log-olabilirliğidir; softmax çıktısı bir one-hot etikete göre puanlanır. Seçtiğin kayıp, etiketlerin hangi dağılıma uyduğunu varsaydığını…
▶ Temel Kesikli Dağılımlar
← VaryansPDF ve CDF →