PRML学习笔记2 常见的概率分布
1. 伯努利分布
现在问题是假如我们考虑抛硬币,如果3次都是head,那么根据伯努利,MLE推断 参数 那么我们会认为每次投掷都会是head,这显然与常识不符,
这里我们如果有一个先验知识就能纠正这个问题(考虑贝叶斯分类器中的0概率事件处理其实也是加一个先验知识而已来进行平滑),那么怎么加入先验知识呢?
这里我们利用贝叶斯法则,我们从原来的 来估算参数,改为后验
也即等价
估算参数。
这里我们希望 有类似
的形式。从而引出了beta 分布,注意
与
(先验)的形式类似,只不过(a,b)变成(m+a, l+b),即我们的先验知识由于实际看到的情况做出来相应调整。
2. Beta分布
注意这里的Bin是binomial分布,也即N次投掷中head次数为m.
利用先验知识当我们想要再预测下一次投掷硬币是head的概率时怎么做呢?
![image image](https://images.cnblogs.com/cnblogs_com/rocketfan/201103/201103071049397757.png)