作者:桑倪娜 | 来源:互联网 | 2023-08-07 15:30
目录
1.前言
2.定义
3.Beat分布的概率密度函数(PDF):
4.Beat分布的累积密度函数(CDF):
1.前言
伯努利试验(同样的条件下重复地、相互独立地进行的一种随机试验,其特点是该随机试验只有两种可能结果:发生或者不发生)
频率学派的观点(出现次数最多的情况体现了概率的分布),体现了后验
Gamma函数:阶乘在实数域的推广。
![](https://img8.php1.cn/3cdc5/18585/8fd/49901409e7bda985.png)
2.定义
对于掷硬币或投色子这样的简单模型,我们可以预先明确概率分布情况。但普遍情况下,无法准确得知系统的概率分布。根据频率学派的观点,可以通过频率来估计概率的分布。例如掷一枚不均匀的硬币,100次中55次正面朝上,我们就可以得到下次结果的最佳估计(硬币正面出现的概率就是55%),但不能完全确定。因此概率还是一个随机变量,符合Beat分布,定义域为(0,1),Beat分布一般被用于建模伯努利试验事件成功的概率的概率分布。Beta分布是一种连续型概率密度分布,表示为x~Beta(a,b),由两个参数a,b决定,称为形状参数。
3.Beat分布的概率密度函数(PDF):
![](https://img8.php1.cn/3cdc5/18585/8fd/9e5466e5141f7fbd.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5bGx5LiK55qE5bCP6YWS6aaG,size_8,color_FFFFFF,t_70,g_se,x_16)
![](https://img8.php1.cn/3cdc5/18585/8fd/209ec17e56a3da03.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5bGx5LiK55qE5bCP6YWS6aaG,size_8,color_FFFFFF,t_70,g_se,x_16)
![](https://img8.php1.cn/3cdc5/18585/8fd/8ea9fc45aa92998c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5bGx5LiK55qE5bCP6YWS6aaG,size_9,color_FFFFFF,t_70,g_se,x_16)
B(α,β)是为了规范化,使得积分为1。B(α,β)也就是图形的面积(是个与α,β相关的常数),(就是所有的情况,有点类似softmax)。
![](https://img8.php1.cn/3cdc5/18585/8fd/25ef14aac9cd60c5.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5bGx5LiK55qE5bCP6YWS6aaG,size_10,color_FFFFFF,t_70,g_se,x_16)
期望比较重要,根据期望可以看出偏向。如上图E(B(2,8))=2/(2+8)=0.2
4.Beat分布的累积密度函数(CDF):
mixup的权重由这里生成
![](https://img8.php1.cn/3cdc5/18585/8fd/132d6f068a423b36.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5bGx5LiK55qE5bCP6YWS6aaG,size_9,color_FFFFFF,t_70,g_se,x_16)