人工智能中需要学习和应用的概率论主要知识点包括:
1. 概率 axioms
概率的基本公理,包括归一化、可列可加等。
2. 条件概率
条件概率的计算以及贝叶斯法则。
3. 随机变量
离散和连续随机变量的概念。
4. 常见概率分布
如 binomial,gauss分布等及其性质。
5. 期望和方差
随机变量的数学期望与方差的计算。
6. 中心极限定理
样本均值归于正态分布的原理。
7. 最大似然估计
找到最有可能导致观测结果的参数。
8. 贝叶斯推断
利用贝叶斯法则进行参数估计。
9. 边缘似然
求联合分布难时的替代方案。
10. Markov链
可用于预测序列数据的随机过程。
11. Monte Carlo方法
利用随机采样进行统计推断。
掌握这些概率知识有助于构建概率图模型,进行统计推断,解决机器学习中优化、决策等问题。
