八、其它

  1. 假设随机变量 八、其它 - 图1 满足 八、其它 - 图2,且函数 八、其它 - 图3 满足:处处连续、可导、且存在反函数。 则有:

    八、其它 - 图4

    或者等价地(其中 八、其它 - 图5 为反函数):

    八、其它 - 图6

    • 如果扩展到高维空间,则有:

      八、其它 - 图7

    • 并不是 八、其它 - 图8,这是因为 八、其它 - 图9 引起了空间扭曲,从而导致 八、其它 - 图10

      根据 八、其它 - 图11 ,求解该方程,即得到上述解。

  2. 机器学习中不确定性有三个来源:

    • 模型本身固有的随机性。如:量子力学中的粒子动力学方程。

    • 不完全的观测。即使是确定性系统,当无法观测所有驱动变量时,结果也是随机的。

    • 不完全建模。有时必须放弃一些观测信息。

      如机器人建模中:虽然可以精确观察机器人周围每个对象的位置,但在预测这些对象将来的位置时,对空间进行了离散化。则位置预测将带有不确定性。