第2章 概率论与机器学习模型原理_第1节-概率论基础与思想流派.pdfVIP

⼀、概率论基础与思想流派

1.1频率派vs⻉叶斯派：不同的建模哲学学

1.1.1⼀个经典问题引出两种观点数

修

1.1.2频率派观点必

习

1.1.3⻉叶斯派观点学

器

机

1.1.4可视化理解：频率vs⻉叶斯更新

-

壮

1.1.5总结对⽐：FrequentistvsBayesian

大

s

o

c

1.2基本概念：样本空间、事件、条件概率

1.2.1样本空间

1.2.2事件

1.2.3概率的公理化定义

1.2.4条件概率

1.2.5误区

1.3如何将现实问题抽象为随机变量？

1.3.1什么是“随机变量”？（并⾮“变量”那么简单）

1.3.2将现实问题建模为随机变量的步骤

1.3.3分类：离散vs连续型随机变量

1.3.4经典建模例⼦

1.3.5抽象练习：训练你的建模直觉学

1.3.6可视化：离散vs连续数

1.3.7总结修

必

习

学

器

机

-

概率论与机器学习模型原理（偏向概率建模/不确定性处理）

壮

大

s

o

c

适⽤于关注模型推理、评估、⽣成式建模、⻉叶斯学习的学习者。强调“概率是理解世界的⼀种⽅式”。

⼀、概率论基础与思想流派

1.1频率派vs⻉叶斯派：不同的建模哲学

我们从概率的根本意义出发，理解机器学习背后建模⽅法的思想来源。

要解决的问题包括：

概率到底是什么？学

数

我们如何看待“未知”的事情？修

必

为什么有两种派别？习