[关闭]
@zsh-o 2018-03-17T19:09:54.000000Z 字数 4278 阅读 3937

高斯分布推导 极坐标积分公式 雅可比矩阵

PRML 机器学习


《PRML》第一章的练习需要证明高斯分布的归一化条件,想了一下干脆看看高斯分布是怎么推导出来的吧。证明归一化需要把笛卡尔坐标系变换到极坐标系,积分计算公式很简单:,但该公式是怎么得到的?查了一下发现与换元积分关,用到的是雅可比矩阵


正太分布推导

这部分主要参考《正太分布的前生今世》,那篇文章介绍了四种推导方法,这里只介绍其中两种

高斯

首先高斯作了一个假定:真实值的极大似然估计 算数平均值

设真实值为,有个独立的观测值,则每次测量的误差为,误差的密度函数为,那么个误差的联合概率为


求极值



由于前面假设的真实值的极大似然估计 算数平均值,则,最优解,带入上式得




然后取,并且

得,

然后解该方程,这里对方程左右两端均对求偏导

这里相当于,把的横坐标拉伸倍还是自身,得,为一常数,则这里
然后解微分方程

由于为概率密度,所以,然后要求出来归一化项,这就是PRML练习1.7

兰登

一元高斯分布的归一化

设正太分布


其满足,设

,由于上式是轴对称的,所以使用了一个小技巧

然后把笛卡尔坐标系转换到极坐标系

积分变换公式为,后面讲该公式的推导
原式变为

故,

极坐标积分公式推导

笛卡尔坐标系的基底,我们要把其转换到极坐标系的基底表示,并且坐标变换公式满足:


现在要求其积分变换公式,就是说要推导出
积分相当于函数构成的面积,相当于在笛卡尔坐标系下最小单位元的面积,同理相当于在极坐标系下最小单位元的面积,在积分变换中要保持面积不变,也就是说函数在笛卡尔坐标系下的积分 在极坐标系下的积分,只是换了一种计算形式
我们知道极坐标下的面积计算公式为,则

雅可比式与积分变换

这部分主要参照如何理解雅可比式-希腊橄榄
,相当于函数把一个元的向量映射为一个元的向量,映射的雅可比矩阵相当于的每一个分量对每一个的分量的偏导组成的矩阵


其分量形式为,雅可比矩阵表示函数点处的导数,这样就可以得出点的最佳线性近似

这就相当于变量点的增量的作用下变成了,现在假设不改变象元个数,,那么

例如上面的笛卡尔坐标系变换到极坐标系


则雅可比式为

积分变换公式为

Reference

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注