Մեքենայի ուսուցում – տվյալների նորմալ բաշխում

Մեքենայի ուսուցում – տվյալների նորմալ բաշխում

Տվյալների նորմալ բաշխում

Նախորդ գլխում մենք սովորեցինք, թե ինչպես ստեղծել ամբողջովին պատահական զանգված, տրված չափի և երկու տրված արժեքների միջև:

Այս գլխում մենք կսովորենք, թե ինչպես ստեղծել զանգված, որտեղ արժեքները կենտրոնացված են տվյալ արժեքի շուրջ:

Հավանականությունների տեսության մեջ տվյալների այս տեսակ բաշխումը հայտնի է որպես նորմալ տվյալների բաշխումԿամ Գաուսի տվյալների բաշխում, մաթեմատիկոս Կարլ Ֆրիդրիխ Գաուսից հետո, ով հորինել է այս տվյալների բաշխման բանաձևը։

Օրինակ

Տիպիկ նորմալ տվյալների բաշխում.

Նշում: Նորմալ բաշխման գրաֆիկը հայտնի է նաև որպես զանգի կորի զանգի բնորոշ ձևի պատճառով:

Բացատրված է հիստոգրամ

Մենք օգտագործում ենք զանգվածը numpy.random.normal() մեթոդ, 100000 արժեքներով, 100 բարով հիստոգրամա նկարելու համար։

Մենք նշում ենք, որ միջին արժեքը 5.0 է, իսկ ստանդարտ շեղումը 1.0 է:

Նշանակում է, որ արժեքները պետք է կենտրոնացվեն 5.0-ի շուրջ, և հազվադեպ են միջինից ավելի հեռու, քան 1.0-ը:

Եվ ինչպես տեսնում եք հիստոգրամից, արժեքների մեծ մասը գտնվում է 4.0-ից 6.0-ի միջև, իսկ վերին մասը մոտավորապես 5.0 է:

ArmenianEnglish