AI基础认知 核心理念，概率即认知的不确定性 这是理解贝叶斯估计的基石,与频率学派（认为概率是长期重复事件发生的极限频率）不同，贝叶斯学派认为：概率是对某个命题或假设为真的“可信度”或“信念程度”的度量，这种信念可以随着新证据的出现而不断更新，贝... 星博讯 2026-04-09 21 #概率 #认知不确定性
AI基础认知 期望和方差是概率论与统计学中最基础的概念，用于描述随机变量的分布特征 数学期望（均值）数学期望反映随机变量取值的平均水平，记作 (E(X ，离散型随机变量：若 (X 的可能取值为 (x_1, x_2, \ldots ，对应的概率为 (p_1, p2, \ldots ... 星博讯 2026-04-09 21 #期望 #方差
AI基础认知 标准差在AI领域的应用非常广泛，它是衡量数据离散程度的核心统计指标，常用于评估模型的稳定性、数据分布的分析以及不确定性量化等。以下是标准差在AI中的主要应用场景和实例 机器学习模型评估模型性能稳定性：多次交叉验证中，模型准确率/损失的标准差反映其泛化能力的稳定性，一个模型在5折交叉验证中准确率标准差很小,说明其表现可靠，超参数调优：比较不同超参数组合时，标准差帮助判... 星博讯 2026-04-09 21 #标准差 #AI应用
AI基础认知 你可以把它理解为自然的默认规律。当我们说一般情况下、平均水平附近，很多时候背后指的就是正态分布 它是什么？别名：高斯分布、钟形曲线，直观形象：一条对称的、中间高、两边逐渐降低的钟形曲线，本质：描述一个连续型随机变量取值的概率规律，它告诉我们，在大量独立、微小的随机因素共同作用下,结果往往会呈现出... 星博讯 2026-04-09 19 #正态分布 #默认规律
AI基础认知 均匀分布是概率论与统计学中最简单、最直观的概率分布之一。它的核心思想是 等可能性 在一个特定的范围或集合内,每一个结果或区间（等长度的）发生的可能性是完全相同的，均匀分布主要分为两类：离散型均匀分布 和 连续型均匀分布，离散型均匀分布定义：如果随机变量 (X 只有有限个（或可数个... 星博讯 2026-04-09 20 #均匀分布 #等可能性
AI基础认知 泊松分布是一种离散概率分布，常用于描述在固定时间或空间内随机事件发生的次数。以下是其核心要点 适用条件事件独立发生单位时间（或空间）内事件发生的平均速率 (\lambda 恒定事件在极短间隔内同时发生的概率可忽略概率质量函数若随机变量 (X 服从参数为 (\lambda 的泊松分布，记作... 星博讯 2026-04-09 19 #泊松分布 #离散概率分布
AI基础认知 二项分布是概率论中描述独立重复试验中成功次数的离散概率分布。其核心要点如下 定义与模型试验场景：进行 (n 次独立重复试验，每次试验：只有两种结果——“成功”（概率 (p ）或“失败”（概率 (1-p ），随机变量 (X ：表示 (n 次试验中成功的次数，记为 (X \s... 星博讯 2026-04-09 17 #二项分布 #独立重复试验
AI基础认知 指数分布是概率论与统计学中常用的一种连续概率分布，通常用来描述独立随机事件发生的时间间隔。例如，电话呼叫到达的时间间隔、电子元件的寿命、服务系统的服务时间等 概率密度函数指数分布的概率密度函数为：[f(x = \begin{cases}\lambda e^{-\lambda x}, & x \ge 0 \0, & x < 0\end... 星博讯 2026-04-09 23 #指数分布 #时间间隔
AI基础认知 高斯分布（正态分布）基础 定义高斯分布（又称正态分布）是最重要的连续概率分布之一,其概率密度函数为：$$f(x|\mu,\sigma^2 = \frac{1}{\sqrt{2\pi\sigma^2}} \exp\left(-... 星博讯 2026-04-09 18 #正态分布 #概率密度函数
AI基础认知 马尔可夫链是一种随机过程，具有无记忆性质，即未来状态只依赖于当前状态，而与过去状态无关。这种特性称为马尔可夫性。马尔可夫链在众多领域有广泛应用，包括物理学、生物学、经济学、计算机科学以及认知科学等 基本概念状态空间：所有可能状态的集合，可以是离散或连续的，转移概率：从当前状态转移到下一状态的概率，通常用矩阵表示（离散时间、离散状态），齐次马尔可夫链：转移概率不随时间变化，重要性质不可约性：从任意... 星博讯 2026-04-09 19 #马尔可夫链 #马尔可夫性
