Unverified50% confidenceFactExact time
后验分布通过贝叶斯定理获得：p(θ|x)∝p(x|θ)·p(θ)，将先验知识与数据似然结合
1
Sources
50%
Confidence
Long-term
Relevance
8/4/2026
First Seen
Sources
Related Claims
Unverified重要性采样的数学核心是测度变换，通过引入提议分布q并用似然比w=p(x)/q(x)对样本重加权，无偏地估算原始概率72% similarUnverified后训练的最优解是参考分布的指数倾斜，即最优分布密度正比于参考模型密度乘以奖励的指数：π*(x) ∝ π_ref(x) · exp(r(x)/β)71% similarUnverifiedOU过程的平稳分布为高斯分布，其转移核为高斯分布，使任意时刻的条件分布可以精确计算68% similarUnverified逻辑回归通过Sigmoid函数将线性组合的输出压缩到(0,1)区间，表示样本属于某一类别的概率68% similarPartially Verified信息论中熵H(p)衡量概率分布p的不确定性，等价于对来自该分布的信息进行最优编码所需的平均比特数67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/680943API
curl https://kongchang.com/api/v1/knowledge/claims/680943MCP
get_claim(id=680943)