正态分布 N(μ, σ²) 是自然界最常见的分布，中心极限定理保证大量独立随机变量之和近似正态。二项分布描述 n 次独立试验中成功 k 次的概率。
数学基础 · 第 3 章路径 3/8本章完成 0%概率分布贝叶斯统计推断
可用 ← → 键切换主题
概率分布
正态分布 · 二项分布
概率与统计检查点
学完演示后来检验一下。全部答对即可标记本章测验通过。
1. 基率谬误主要提醒我们什么？
2. 交叉熵损失与哪类输出最常搭配？
3. 方差描述的是？
与 AI 的联系
- 交叉熵损失：分类任务中衡量预测分布与真实分布的差异。
- Softmax 输出：可解释为各类别的后验概率。
- Dropout / 正则化：从贝叶斯视角看是对参数不确定性的近似。