深度學習中的機率知識詳解

1. 基礎概念 隨機變量(連續,離散): 對可能狀態的描述, 在機器學習算法中，每一個樣本的特徵取值，標籤值均可以看做是一個隨機變量，包括離散型隨機變量和連續型隨機變量 機率分佈: 用來指定每一個狀態的可能性, 對於離散型的機率分佈，稱爲機率質量函數(Probability Mass Function, PMF)，對於連續性的變量，其機率分佈叫作機率密度函數(Probability Density

>>阅读原文<<