这段时间跟大家出的很多文章都是偏娱乐型的,很多伙伴私信说之前讲过的正态有些不懂,哈哈哈,也能理解,毕竟正态学起来不是一篇教程就能完全掌握的!为什么正态分布如此特殊?为什么大量数据科学和机器学习的文章都围绕正态分布进行讨论?今天再跟大家出了这篇Python学习教程文章,用一种简单易懂的方式来介绍正态分布。
在机器学习的世界中,以概率分布为核心的研究大都聚焦于正态分布。本文将阐述正态分布的概率,并解释它的应用为何如此的广泛,尤其是在数据科学和机器学习领域,它几乎无处不在。
我将会从基础概念出发,解释有关正态分布的一切,并揭示它为何如此重要
文章结构
本文的主要内容如下:
- 概率分布是什么
- 正态分布意味着什么
- 正态分布的变量有哪些
- 如何使用 Python 来检验数据的分布
- 如何使用 Python 参数化生产一个正态分布
- 正态分布的问题
简短的背景介绍
首先,正态分布又名高斯分布
它以数学天才 Carl Friedrich Gauss 命名
正态分布又名高斯分布
3 . 越简单的模型越是常用,因为它们能够被很好的解释和理解。正态分布非常简单,这就是它是如此的常用的原因。
因此,理解正态分布非常有必要。
什么是概率分布?
首先介绍一下相关概念。
考虑一个预测模型,该模型可以是我们的数据科学研究中的一个组件。
如果我们想精确预测一个变量的值,那么我们首先要做的就是理解该变量的潜在特性。
首先我们要知道该变量的可能取值,