码迷,mamicode.com
首页 > 其他好文 > 详细

伯努利分布 Bernoulli distribution

时间:2019-03-12 14:04:55      阅读:206      评论:0      收藏:0      [点我收藏+]

标签:soft   nump   协议   visual   有用   fill   分类算法   mil   density   

分享一下我老师大神的人工智能教程吧。零基础!通俗易懂!风趣幽默!还带黄段子!希望你也加入到我们人工智能的队伍中来!http://www.captainbed.net

伯努利分布 是一种离散分布,有两种可能的结果。1表示成功,出现的概率为p(其中0<p<1)。0表示失败,出现的概率为q=1-p。这种分布在人工智能里很有用,比如你问机器今天某飞机是否起飞了,它的回复就是Yes或No,非常明确,这个分布在分类算法里使用比较多,因此在这里先学习 一下。

 

概率分布有两种类型:离散(discrete)概率分布和连续(continuous)概率分布。
离散概率分布也称为概率质量函数(probability mass function)。离散概率分布的例子有伯努利分布(Bernoulli distribution)、二项分布(binomial distribution)、泊松分布(Poisson distribution)和几何分布(geometric distribution)等。
连续概率分布也称为概率密度函数(probability density function),它们是具有连续取值(例如一条实线上的值)的函数。正态分布(normal distribution)、指数分布(exponential distribution)和β分布(beta distribution)等都属于连续概率分布。

技术图片

二项分布的例子:抛掷10次硬币,恰好两次正面朝上的概率是多少?
假设在该试验中正面朝上的概率为0.3,这意味着平均来说,我们可以期待有3次是硬币正面朝上的。我定义掷硬币的所有可能结果为k = np.arange(0,11):你可能观测到0次正面朝上、1次正面朝上,一直到10次正面朝上。我使用stats.binom.pmf计算每次观测的概率质量函数。它返回一个含有11个元素的列表(list),这些元素表示与每个观测相关联的概率值。

对于这样的问题,可以使用python来解决,这样理解起来更容易得多了,代码如下:

 

#python 3.5.3  蔡军生    
#http://edu.csdn.net/course/detail/2592    
#  
from scipy.stats import binom
import matplotlib.pyplot as plt
import numpy as np

n = 10
p = 0.3
k = np.arange(0, 21)
binomial = binom.pmf(k, n, p)
print(binomial)

plt.plot(k, binomial, ‘o-‘)
plt.title(‘Binomial: n = %i, p=%0.2f‘ % (n, p),fontsize = 15)
plt.xlabel(‘Number of successes‘)
plt.ylabel(‘Probability of sucesses‘, fontsize = 15)
plt.show()

运行这个程序之后,就可以输出这样的结果了,是否一目了然的感觉?

技术图片

 

1. C++标准模板库从入门到精通 

 

 

2.跟老菜鸟学C++

3. 跟老菜鸟学python

4. 在VC2015里学会使用tinyxml库

5. 在Windows下SVN的版本管理与实战 

 http://edu.csdn.net/course/detail/2579

6.Visual Studio 2015开发C++程序的基本使用 

http://edu.csdn.net/course/detail/2570

7.在VC2015里使用protobuf协议

8.在VC2015里学会使用MySQL数据库


 

再分享一下我老师大神的人工智能教程吧。零基础!通俗易懂!风趣幽默!还带黄段子!希望你也加入到我们人工智能的队伍中来!http://www.captainbed.net

伯努利分布 Bernoulli distribution

标签:soft   nump   协议   visual   有用   fill   分类算法   mil   density   

原文地址:https://www.cnblogs.com/skiwnchh/p/10516057.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!