何以解憂,唯有學習。 看到一句有趣的話,馬爾科夫鏈在概率論里面的地位相當于牛頓定律在力學里面的地位。作者說,根據(jù)此刻的速度,物體的質(zhì)量和受到的力,就可以預測下一時刻的運動狀態(tài),好比某一時刻的一組隨機變量和前一時刻相關(guān),和歷史時刻無關(guān)。說的蠻有道理的。但我覺得最精彩的,應該還在后面,它能穩(wěn)定,能夠各態(tài)歷經(jīng),里面有一些有趣的概念,persistent。 在說這個之前,我想先回顧一下一些基本的概念。這些東西變得重要而有趣。sample space,樣本空間。古典概型里面的概率 Likelyhood,就是一個比值,outcomes of an event 和 all possible outcomes。有時候,讓人去展開所有的可能性,真的非常頭大,放回不放回啦,組合還是排列,等等。這里還不得不提條件概率,事件B發(fā)生的條件下事件A發(fā)生的概率,如果等于事件A發(fā)生的概率,那A和B就是獨立事件了,根據(jù)定義。接下來就是隨機變量,我把它理解為服從某種分布的自變量。有了隨機變量,就會有期望和方差。這里,機器學習特別喜歡算這兩個東西,高斯使用最小二乘法算方差,畫出了正太分布曲線,從此名垂千古,這是后話。 將貝葉斯概率和隨機變量的期望結(jié)合在一起,有這么一句話,條件期望的期望是期望的本身。我有空還得回去看看,誰是參數(shù),誰是自變量,對誰積分,先留個問題。 隨機變量的特征方程我也準備先跳過。太尼瑪難算了,一會兒是分部積分,一會兒是極坐標變化,一不小心就算錯了,還夾雜著極限。 挑重點說,態(tài)空間真的太神奇了。就像一個人行走在迷霧森林,不知道出口,也不知道入口,就這么在這迷宮里面隨機漫步。走著走著,一不小心就走出了一條人生軌跡。沒有太多為什么,事情就是這么偶然,充滿不可預測性,雖然腳在自己腿上,路是自己選的。你以為的獨一無二,不過是大千世界的一次實驗的某次記錄。 |
|
來自: 昵稱48979411 > 《待分類》