先看偉大的高斯分布（Gaussian Distribution）的概率密度函數(shù)（probability density function）：

對(duì)應(yīng)于numpy中：

numpy.random.normal(loc=0.0, scale=1.0, size=None)

參數(shù)的意義為：

loc：float

此概率分布的均值（對(duì)應(yīng)著整個(gè)分布的中心centre）

scale：float

此概率分布的標(biāo)準(zhǔn)差（對(duì)應(yīng)于分布的寬度，scale越大越矮胖，scale越小，越瘦高）

size：int or tuple of ints

輸出的shape，默認(rèn)為None，只輸出一個(gè)值

我們更經(jīng)常會(huì)用到的np.random.randn(size)所謂標(biāo)準(zhǔn)正態(tài)分布

對(duì)應(yīng)于np.random.normal(loc=0, scale=1, size)。

采樣（sampling）

# 從某一分布（由均值和標(biāo)準(zhǔn)差標(biāo)識(shí)）中獲得樣本
mu, sigma = 0, .1
s = np.random.normal(loc=mu, scale=sigma, size=1000)

也可使用scipy庫中的相關(guān)api（這里的類與函數(shù)更符合數(shù)理統(tǒng)計(jì)中的直覺）：

import scipy.stats as st
mu, sigma = 0, .1
s = st.norm(mu, sigma).rvs(1000)

校驗(yàn)均值和方差：

>>> abs(mu < np.mean(s)) < .01
True
>>> abs(sigma-np.std(s, ddof=1)) < .01
True
# ddof，delta degrees of freedom，表示自由度
# 一般取1，表示無偏估計(jì)，

擬合

我們看使用matplotlib.pyplot便捷而強(qiáng)大的語法如何進(jìn)行高斯分布的擬合：

import matplotlib.pyplot as plt
count, bins, _ = plt.hist(s, 30, normed=True)
  # normed是進(jìn)行擬合的關(guān)鍵
  # count統(tǒng)計(jì)某一bin出現(xiàn)的次數(shù)，在Normed為True時(shí)，可能其值會(huì)略有不同
plt.plot(bins, 1./(np.sqrt(2*np.pi)*sigma)*np.exp(-(bins-mu)**2/(2*sigma**2), lw=2, c='r')
plt.show()

或者：

s_fit = np.linspace(s.min(), s.max())
plt.plot(s_fit, st.norm(mu, sigma).pdf(s_fit), lw=2, c='r')

np.random.normal()的含義及實(shí)例

這是個(gè)隨機(jī)產(chǎn)生正態(tài)分布的函數(shù)。（normal 表正態(tài)）

先看一下官方解釋：

有三個(gè)參數(shù)

loc：正態(tài)分布的均值，對(duì)應(yīng)著這個(gè)分布的中心.代表下圖的μ

scale：正態(tài)分布的標(biāo)準(zhǔn)差，對(duì)應(yīng)分布的寬度，scale越大，正態(tài)分布的曲線 越矮胖，scale越小，曲線越高瘦。 代表下圖的σ

size：你輸入數(shù)據(jù)的shape，例子：

下面展示一些 內(nèi)聯(lián)代碼片。

// An highlighted block
a=np.random.normal(0, 1, (2, 4))
print(a)
輸出：
[[-0.29217334  0.41371571  1.26816017  0.46474676]
 [ 1.33271487  0.80162296  0.47974157 -1.49748788]]

看這個(gè)圖直觀些：

以下為官方文檔：

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持本站。

海外穩(wěn)定服務(wù)器

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。