import tensorflow as tf
import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt
隨機變量
#tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32)
#tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32)
#tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32)
#這幾個都是用於生成隨機數tensor的。尺寸是shape
#random_normal: 正太分佈隨機數,均值mean,標準差stddev
#truncated_normal:截斷正態分佈隨機數,均值mean,標準差stddev,不過只保留[mean-2*stddev,mean+2*stddev]範圍內的隨機數
#random_uniform:均勻分佈隨機數,範圍爲[minval,maxval]
# 生成2*2的矩陣
x=tf.random_normal((2,2))
y=tf.truncated_normal((2,2),stddev=1, mean=0)
z=tf.random_uniform((2,2),-1,1)
with tf.Session() as sess:
print(sess.run(x))
print("------------------------------------")
print(sess.run(y))
print("------------------------------------")
print(sess.run(z))
[[ 1.1302718 0.15843017]
[-2.0472283 -1.4401605 ]]
------------------------------------
[[ 0.04470472 0.44935352]
[ 1.3003236 -0.7512413 ]]
------------------------------------
[[-0.35371923 -0.508945 ]
[ 0.8172362 -0.35298085]]
概率分佈
離散型變量和概率質量函數(PMF) mass
連續型變量和概率密度函數(PDF) density
bernoulli分佈 (兩點分佈)
Binomial Distribution 二項分佈(n重Bernoulli分佈)
E(X) = np, Var(X) = np(1−p)
n = 10
p = 0.3
k = np.arange(0, 21)
binomial = stats.binom.pmf(k, n, p)
plt.plot(k, binomial, 'o-')
plt.title('Binomial Distribution')
plt.show()
normal distribution高斯分佈(正態分佈)
mu = 0
sigma = 1
x = np.arange(-5, 5, 0.1)
y = stats.norm.pdf(x, mu, sigma)
plt.plot(x, y)
plt.title('normal distribution')
plt.show()
Exponential Distribution 指數分佈
,
lamda = 0.5
x = np.arange(0, 15, 0.1)
y = stats.expon.pdf(x)
plt.plot(x, y)
plt.show()
# logistic sigmoid
# softmax
概率論小結
貝葉斯規則
P(y | x) --> P(x | y)
信息論(在決策樹中有應用)
信息論是應用數學得分支,主要研究得是對一個信號包含信息得多少進行量化
信息論的基本想法是一個不太可能的事件居然發生了,要比一個非常可能的事件發生能提供更多的信息。
信息量
當log以e爲底時,單位時奈特nats,1nats是以1/e的概率觀測到一個事件的信息量
當log以2爲底時,單位時比特bit,或者香農
舉個例子:拋硬幣正面向上的信息量爲
信息熵(Entropy) : 信源含有的信息量是信源發出的所有可能消息的平均不確定性,信源所含有的信息量。
信息熵度量了信息的不確定性,消息越不確定,信息熵越大。
舉個例子: 拋一枚硬幣的信息熵爲
結構化概率模型(暫時不知道結構化概率模型會在哪些地方用到)
有向模型
無向模型
其中兩兩之間有邊連接的稱爲團,每個團伴隨一個因子,同時爲了除以歸一化常數來得到歸一化概率
無向模型很容易看出因子之間的關係,比如a,b,c相互影響,a和e通過c間接相互影響。