《计算机视觉:模型、学习和推理》——3.2 贝塔分布
本节书摘来自华章计算机《计算机视觉:模型、学习和推理》一书中的第3章,第3.2节,作者:(英)普林斯(Prince,J. D.)著, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
3.2 贝塔分布
贝塔分布(图3-2)是由单变量λ定义的连续分布,这里λ=[0,1]。因此,它适合表示伯努利分布中参数λ的不确定性。
如图3-2所示,贝塔分布有两个参数(α,β)∈[0,∞],两个参数均取正值并且都影响曲线的形状。在数学上,贝塔分布的形式如下:
图3-2 贝塔分布。贝塔分布值域在[0,1]之间,有参数(α,β),参数相对值决定预期值,所以E[λ]=α/(α+β)(括号内的数值显示每条曲线中的α、β)。随着(α,β)绝对值的增加,E[λ]两侧的分布更加集中,a)每条曲线中,E[λ]=0.5,分布的集中程度不同。b)E[λ]=0.25。c)E[λ]=0.75