用python画曲线,python中的cd

　　什么是CDF？描述了一个简单的概率分布函数。概率论中研究随机变量小于某一值X的概率。这个概率是X的函数，这个函数叫做随机变量的分布函数。

　　F ( x )=P ( X x)，F ( )=1，F()=0 F(X)=P(Xx)，F( \infin)=1，F(-\infin)=0 F(x)=P(Xx)，F( )=1，F()=0

　　CDF对机器学习有什么用？可以直观地分析预测误差，判断误差为某一值时的具体概率，为后续基于图像指标的优化改进做铺垫。

　　现在有一个样本序列L I S T=[x 1，x 2，x n] list=[x _ 1，x _ 2，x _ n] list=[x1，x2，xn】。要在Python中绘制其分布函数，其实现如下：

　　import matplotlib . py plot as PLT import numpy as NP已知样本序列ds以list[.].首先对ds进行排序ds _ sort=sorted (ds) last，I=min (ds _ sort)，0而I len (ds _ sort): PLT.plot ([last，ds _ sort [I]，[I/len (ds _ sort)，I/len (ds _ sort)]，c= k ，lw=2.5)如果I len (ds _ sort)

　　直观来看，x小于等于20的概率约为0.95，x小于等于40的概率约为1。根据这种分布，可以说几乎所有的样本都分布在横坐标的前40位。

　　在这个例子中，我使用的列表本身就是机器学习中预测值和真实值之间的误差。这种分布可以直观地分析预测误差，确定误差为某一值时的具体概率，便于后续的优化和改进。

　　参考资料：

　　百度概率分布函数用Python绘制一组样本的经验分布函数

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。