大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE稳定放心使用
多项变量(Multinomial Variables)
二元变量是用来描述只有两种可能值的量，而当我们遇到一种离散变量，其可以有K种可能的状态。我们可以使用一个K维的向量x表示，其中只有一维xk为1，其余为0。对应于xk=1的参数为μk，表示xk发生时的概率。其分布可以看做是伯努利分布的一般化。
现在我们考虑N个独立的观测D={x1,…,xN}，得到其似然函数。如图：
多项式分布(The Multinomial distribution)
现在我们考虑k个变量的联合分布，依赖于参数μ和N次观测，这就构成了多项式分布。
狄利克雷分布(The DIrichlet distribution)
为了方便起见，如果先验分布和似然函数有类似的结构，这样得到的后验分布就只是指数幂的参数的相加，但形式没有太大变化，这样就使得先验和后验分布有相同的形式，简化了计算。
下面是三个变量的狄利克雷分布的图形，其中左图{αk}=0.1，中图{αk}=1，右图{αk}=10：
最大后验估计
转载请注明作者Jason Ding及其出处
Github主页(http://jasonding1354.github.io/)
CSDN博客(http://blog.csdn.net/jasonding1354)
简书主页(http://www.jianshu.com/users/2bd9b48f6ea8/latest_articles)
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/182974.html原文链接：https://javaforall.net
