今天有点小兴奋，学习了李老师关于人工智能的教程，感觉受益不少。 其实人工智能目前的水平就是统计学和大数据的一种运用，实现写稿机器人比较关键的一个环节是要先创建知识图谱，另外还要一套可靠的NLP算法，基于图谱，我们根据概率进行写作，说到概率，每个人实际上都不陌生。从先前的抛硬币和丢掉蝎子开始，我们已经接触了基本概率概率分布，尽管我们直接使用概率分布，但它可能是统计机器学习中最重要的基本原理。定义或表达式很小，但是概率分布是理解统计机器学习的基础。 为什么概率分布非常重要，但是我们很少直接使用它，因为真实数据的概率分布很难表达。例如，我们经常说的高斯分布在数学上非常优雅，但它不能真正描述数据的分布，尤其是在高维空间中，因此我们将给出p（x）p（x）p（ x），表示观察值的概率分布，但未给出此分布的具体表示。 概率分布是绘制变量取所有可能值的概率图。例如，扔一个硬币，只有正负值，因此该变量只有正值和负值，然后，例如掷骰子，通常有六个面，因此该变量只有六种可能性。 p（x）p（x）p（x）帮助我们消除变量采用所有可能值的可能性。通过这种分布，我们可以获得变量取某个值的概率。假设变量类似于孙悟空，则该变量的概率分布类似于手掌。无论此变量的值如何，都可以预测该概率分布。似乎孙悟空始终处于控制之中，而变量始终处于概率分布的控制之中。 这就是概率分布想要做的。不幸的是，理想是充实的，现实是很骨感的。在现实世界中，很多时候，许多变量的概率分布无法确切知道。我们可以知道硬币和骰子的概率分布，但是我们很难知道股票涨跌的分布，明年经济状况的分布或我们现在经常使用的计算机视觉。很难准确地描述一种图像的分布。在高维空间中，高维向量的概率分布已经超出了人类的想象。至少到目前为止，人类可以适应的最高维度是三维。很难想象人类超越了三维空间。对于数百个高维空间，人类无法表征。 蟹蟹大家耐心看完，是不是想说点什么呢，欢迎评论哦！小猫一定一个个回复。
