和机器学习相关的常见的概率分布有哪些？

常见的概率分布有连续分布和离散分布两类。

离散数据，就是数据的取值是不连续的。例如掷硬币就是一个典型的离散数据，因为抛硬币的就两种数值（也就是2种结果，要么是正面，要么是反面）。

第2种是连续数据。它能取任意的数值。例如时间，心跳等等。

其中连续分布包括均匀分布、正态分布、t分布，卡方分布和F-分布等。

 

离散分布包括0-1分布、二项分布、泊（Pō）松分布等。

均匀分布是指概率的分布是等距的（意思就是所有的结果，都有一样的可能性）。

比如：硬币具有均匀分布的特点，因为在抛硬币中正面或反面的概率是相同的。

分为连续型和离散型两种。

1. 连续型可以认为是一条等距点构成的曲线。

2. 离散型是独立的一个个点。

正态分布有两个参数：均值和方差。

1. 正态分布的数学期望值（均值）等于位置参数，决定了分布的位置。

2. 方差等于尺度参数，决定了分布的幅度。