IT 面试题库

机器学习中常用的概率分布有哪些?各自适用什么场景?

初级简答题算法工程师机器学习工程师数据科学家数学概率分布正态分布泊松

题目

请列举伯努利、二项、泊松、正态(高斯)、均匀等分布,说明其参数与典型应用场景。

参考答案

内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 75 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解

1. 伯努利分布 Bernoulli(p):单次 0/1 试验,如一次点击/不点击。

2. 二项分布 Binomial(n,p):n 次独立伯努利中成功次数,如 100 次展示的转化数。

3. 泊松分布 Poisson(λ):单位时间/空间内稀有事件计数,λ 为平均发生率;当 n 大 p 小时近似二项。如每分钟到达的请求数。

4. 正态分布 N(μ,σ²):连续型,中心极限定理下大量独立变量和近似正态;用于噪声建模、特征分布假设(如高斯朴素贝叶斯、线性回归误差)。

5. 均匀分布 Uniform(a,b):区间内等可能,常用于随机初始化、区间采样。

6. 指数分布 Exp(λ):泊松过程的间隔时长,无记忆性。

选用要点

生成模型(如 VAE/GAN)常假设隐变量服从标准正态 $N(0,I)$。

练这道题

同分类 · 高频题

题目与答案就在本页;收藏、批注和错题重练在应用内

这道题看完了?连刷同类题,趁热打铁效果最好 进入刷题