机器学习：正态分布
发布时间
阅读量：
阅读量
正态分布 ：亦被称为常态分布或高斯分布。其分布曲线呈现出钟形特征，两端较低，中央较高，并且具有左右对称的特性，因此也被称为钟形曲线。若随机变量X遵循一个数学期望为μ、方差为\sigma^2的正态分布，则可表示为N(μ,σ^2)。该分布的概率密度函数中，期望值μ决定了曲线的位置 ，而标准差σ则影响着分布的宽窄程度 。当μ等于0且σ等于1时，该正态分布即为标准正态分布。其对应的概率密度函数表达式如下：
f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
def norm(loc=8,scale=10):
'''
loc表示均值μ，scale表示标准差σ
'''
norm_dist=stats.norm(loc=loc,scale=scale)
x=np.arange(norm_dist.ppf(0.0001),norm_dist.ppf(0.9999))
fig,ax=plt.subplots(1,1)
ax.p全部评论 (0)
还没有任何评论哟~