关键词：
机器学习基础知识之概率论的Matlab描述概率的图像（一）
（由于有很多的分布，而且还有一维分布以及多维分布，因此，我们一篇博文写下来的话内容量太大，文章太长，因此，我们分三次写完所有的基本的一维以及多维的概率图像的绘制，这是第一篇 ：机器学习基础知识之概率论的Matlab描述概率的图像（一）。）
文章目录
一、安装Matlab
我们在如下所示的网站按照指导安装Matlab即就可以了：
https://mp.weixin.qq.com/s?__biz=MzA4MjU4MTg2Ng==&mid=2247488991&idx=3&sn=e3322a42f8a7eda2c74d4f613e6b4105&chksm=9f82d5daa8f55ccc443b85431e67f2ad54c8f08f9215c7ef1362c7a2527aaf59a92b2d16e297&mpshare=1&scene=23&srcid=0719PfB3xTn47yBITpSqBvnK&sharer_sharetime=1626680800933&sharer_shareid=35ba81c1ca8b2ad338ff721c6ae0ce49#rd
里面有详细的安装指导，这里不必过多的叙述了。
二、 Matlab基本介绍以及基本的语法
1、优点
1、简单易用；
2、平台的可移植性高；
3、丰富的预定义的函数；
4、以矩阵为基础的运算；
5、强大 的图形界面。
2、语法简介
我们这里着重于matlab的使用，不专注于语法知识，因此，如果还不太了解matlab的读者可以访问如下地址了解matlab语法：
https://www.w3cschool.cn/matlab/
里面有详细的教程指导，我们就不再赘述语法知识了，主要在于应用软件帮助我们学习概率的描述等方面的内容以及其他的方面的实验等。
语法我们不多说，下面直接开始matlab在概率论与数理逻辑中的应用
二、实际的应用
下面开始绘制概率分布函数。
这里，我们绘制九个常见的分布函数，采用循序渐进的方式来写代码，前民的例子代码比较简单，后面的代码有一定的综合性。
当然，九个函数是不能绘制所有的概率曲线的，剩下的一些概率曲线，我们将在后两篇文章中讲解绘制。
下面就是本文的九个常见的概率分布函数的绘制以及其绘制的结果的展示，
如下所示：
1、调用rand函数大生成6x6的随机数矩阵并将矩阵列拉长画出频数直方图
最后，通过上面的代码。我们可以得到如下所示的图像：
2、使用normrnd函数生成随机数据
除了rand之外，还可以使用normrnd来产生随机数据。
（那个错误可以忽略，www）
3、绘制正态分布曲线
我们下面分别绘制，（μ，σ²）在（-1， 1）；（0， 0.1）；（0, 1）；（0， 10）；（1， 1）的时候 的正态分布的曲线：
（-1， 1）
注意代码中使用英文的一个单引号可以不打印：
生成的是一个正态分布的曲线：
后面的话还是同样的操作：
（0， 0.1）
（0, 1）
（0， 10）
（1， 1）
4、调用randn含糊生成6x6的正态随机数矩阵，并且将矩阵按照列拉长画出频数直方图
5、绘制Γ函数对应的Γ分布函数
例如：
（a，λ ）=（2， 1）：
再例如：
（a，λ ）=（0， 10）：
还有：
（a，λ ）=（3， 1）：
6、绘制χ²的概率分布函数
在自由度n=3的时候：
在自由度n=5的时候：
在自由度n=15 的时候：
7、非中心的χ²的概率分布函数的曲线的绘制
我们在这里绘制一个对比的图片来进行更加清晰的显示：
这里的代码注意一下：
注意哪些是绘制图像，哪些可以使得不同的图形在同一个图像中呈现，哪些是绘制示例的：
8、T分布函数的绘制
这里我们一次性绘制多个曲线，方便我们进行比较：
这里，我们可以清楚的看到T分布的特点啦：
9、Rayleigh分布函数的绘制
好了，我们第一篇就绘制着九个曲线图啦。
最后，感谢大家的阅读与支持，如果觉得有帮助的话，就点个赞吧。期待您的持续关注哦。
谢谢大家的阅读啦。
机器学习基础知识之概率论的matlab描述概率的图像
机器学习基础知识之概率论的Matlab描述概率的图像（二）文章目录机器学习基础知识之概率论的Matlab描述概率的图像（二）一、引言二、实际的Matlab的应用1、F分布2、泊松分布3、指数分布4、均匀分布5、二项分布6... 查看详情
机器学习基础知识之概率论的matlab描述概率的图像
机器学习基础知识之概率论的Matlab描述概率的图像（一）（由于有很多的分布，而且还有一维分布以及多维分布，因此，我们一篇博文写下来的话内容量太大，文章太长，因此，我们分三次写完... 查看详情
机器学习基础知识之概率论基础详解
机器学习基础知识之概率论基础详解文章目录机器学习基础知识之概率论基础详解引言一、随机事件以及其运算1、样本空间的概念2、随机事件3、随机变量4、事件之间的关系4.1包含关系4.2相等关系4.3互不相容5、事件间的运算5.1... 查看详情
机器学习基础知识之概率论基础详解
机器学习基础知识之概率论基础详解文章目录机器学习基础知识之概率论基础详解引言一、随机事件以及其运算1、样本空间的概念2、随机事件3、随机变量4、事件之间的关系4.1包含关系4.2相等关系4.3互不相容5、事件间的运算5.1... 查看详情
机器学习基础知识之概率论的随机变量及其分布
❤️机器学习基础知识❤️之概率论的❤️随机变量及其分布❤️文章目录❤️机器学习基础知识❤️之概率论的❤️随机变量及其分布❤️一、随机变量以及其分布1、连续变量2、离散变量3、概率密度二、随机变量的数学期望... 查看详情
机器学习基础知识之概率论的随机变量及其分布
❤️机器学习基础知识❤️之概率论的❤️随机变量及其分布❤️文章目录❤️机器学习基础知识❤️之概率论的❤️随机变量及其分布❤️一、随机变量以及其分布1、连续变量2、离散变量3、概率密度二、随机变量的数学期望... 查看详情
机器学习预备知识之概率论(下)
期望值和方差随机变量的期望值E(X)，也称为平均数或者均值，使用下面的公式计算，这两个公式分别用于计算离散随机变量和连续随机变量的期望值：使用上面的公式计算指示器变量（取值要么为1要么为0的... 查看详情
机器学习之概率统计基础，机器学习学习笔记----07
机器学习之概率统计基础文章目录机器学习之概率统计基础一、条件概率二、贝叶斯公式三、独立性注：本图片来源于《机器学习中的数学》一书一、条件概率在一个情况发生的情况下，另一个情况的概率二、贝叶斯公... 查看详情
机器学习中有关概率论知识的小结
...近写了许多关于机器学习的学习笔记，里面经常涉及概率论的知识，这里对所有概率论知识做一个总结和复习，方便自己查阅，与广大博友共享，所谓磨刀不误砍柴工，希望博友们在这篇博文的帮助下... 查看详情
机器学习中涉及的概率论知识回顾
1.常见分布的期望与方差 2.二维随机变量的数字特征：相关系数：协方差矩阵及性质 查看详情
机器学习数学系列：机器学习与数学基础知识
目录：机器学习基础： 机器学习的分类与一般思路微积分基础： 泰勒公式，导数与梯度概率与统计基础： 概率公式、常见分布、常见统计量线性代数基础： 矩阵乘法的几何意义 这是一张非常著名的图，... 查看详情
机器学习中涉及的概率论知识回顾
目录1.条件概率 2.独立性 3.全概率公式 4.贝叶斯公式 5.伯努利模型 6.随机变量的分布 7.分布函数 1.条件概率2.独立性3.全概率公式4.贝叶斯公式5.伯努利模型6.随机... 查看详情
学习算法你必须知道的一些基础知识（文末福利）
点击标题下「异步社区」可快速关注机器学习是解决很多文本任务的基本工具，本文自然会花不少篇幅来介绍机器学习。要想搞明白什么是机器学习，一定要知道一些概率论和信息论的基本知识，本文就简单回顾一下这些知识。... 查看详情
概率机器学习（开篇）
最近的机器学习这一块一直卡在概率机器学习上，尤其是CRF上，有点浮，先将学习到的好好总结一下。一、EM算法的基础和贝叶斯基础 1）EM算法的基本原理和推导 2）EM算法的基本应用，k-means和高斯混合模型二、隐马可夫... 查看详情
机器学习之概率统计基础，机器学习学习笔记----08
机器学习之概率统计基础，机器学习学习笔记----08离散型的随机变量对于任意的我们获取的一组随机变量，最关注的是哪些要素呢？来列举一下：第一：随机变量的取值。显然这个是我们首先需要关注的，... 查看详情
机器学习实战教程：朴素贝叶斯实战篇之新浪新闻分类(代码片段)
...）：朴素贝叶斯基础篇之言论过滤器讲解了朴素贝叶斯的基础知识。本篇文章将在此基础上进行扩展，你将看到以下内容：拉普拉斯平滑垃圾邮件过滤(Python3)新浪新闻分类(sklearn)二、朴素贝叶斯改进之拉普拉斯平滑上篇文章提到... 查看详情
机器学习入门之朴素贝叶斯法
朴素贝叶斯法朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设分类方法。对于给定训练集，首先基于特征条件独立性的假设，学习输入/输出联合概率（计算出先验概率和条件概率，然后求出联合概率）。... 查看详情
机器学习是否需要完整扎实的数学基础？
...https://www.yuque.com/angsweet/machine-learning/jian-jie 线代高数概率论高数，微积分，线代，概率论，运筹学（优化）微积分、线性代数、概率与统计、矩阵和数值分析、优化方法线代，微积分，概率论，数理统计，一些算法思想的数... 查看详情