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。
from scipy.stats import binom #导入伯努利分布 import matplotlib.pyplot as plt import numpy as np #次数 n = 10 #概率 p = 0.3 #导入特征系数 k = np.arange(0, 21) #伯努利分布的特征值导入 binomial = binom.pmf(k, n, p) 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.savefig(r'C:\Users\Administrator\Desktop\106\data\textdata\12.png') plt.show()