独立性与条件独立性"/>
机器学习基础:独立性与条件独立性
机器学习基础:独立性与条件独立性
- 独立性
- 条件独立性
独立性
两个随机变量x,y,概率分布表示称两个因子的乘积形式,一个因子只包含x,另一个因子只包含y,两个随机变量相互独立。
条件有时为不独立的事件之间带来独立,有时也会吧本来独立的事件带来不独立。
举例: ( P ( X Y ) = P ( X ) P ( Y ) (P(XY)=P(X)P(Y) (P(XY)=P(X)P(Y),事件X和事件Y独立,此时给定Z, P ( X , Y ∣ Z ) ≠ P ( X ∣ Z ) P ( Y ∣ Z ) P(X,Y|Z) \not=P(X|Z)P(Y|Z) P(X,Y∣Z)=P(X∣Z)P(Y∣Z)
事件独立时,联合概率等于概率的乘积(也就是事件处于独立同分布时),这是一个非常好的数学性质,然而不幸的是,无条件的独立是十分稀少的,因为大部分的情况事件之间之间都是相互影响的。
条件独立性
给定Z的情况下,X和Y条件独立,当且仅当 X ⊥ Y ∣ Z ⇔ P ( X , Y ∣ Z ) = P ( X ∣ Z ) P ( Y ∣ Z ) X\bot Y|Z \Leftrightarrow P(X,Y|Z)=P(X|Z)P(Y|Z) X⊥Y∣Z⇔P(X,Y∣Z)=P(X∣Z)P(Y∣Z)
X和Y是依赖于Z,而不是直接产生的。
举例:定义如下事件:
X:明天下雨;
Y:明天地面是湿的;
Z:今天是否下雨;
Z时间的成立,对X,Y均有影响,然而,在Z事件成立的前提下,今天的地面情况对明天是否下雨没影响。
更多推荐
机器学习基础:独立性与条件独立性
发布评论