菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

Logistic 分布


Logistic 分布

Logistic 分布用于描述增长。

广泛应用于机器学习中的逻辑回归、神经网络等。

它有三个参数

loc - 均值,峰值所在的位置。默认值为 0。

scale - 标准差,分布的平坦度。默认值为 1。

size - 返回数组的形状。

示例

从均值为 1、标准差为 2.0 的 Logistic 分布中抽取 2x3 个样本

from numpy import random

x = random.logistic(loc=1, scale=2, size=(2, 3))

print(x)
自己动手试一试 »

Logistic 分布的可视化

示例

from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(random.logistic(size=1000), hist=False)

plt.show()

结果

自己动手试一试 »

Logistic 分布与正态分布的区别

这两种分布几乎相同,但 Logistic 分布的尾部面积更大,这意味着它代表了距离均值更远事件发生的可能性更大。

当 scale(标准差)值较高时,正态分布和 Logistic 分布除了峰值外几乎相同。

示例

from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(random.normal(scale=2, size=1000), hist=False, label='normal')
sns.distplot(random.logistic(size=1000), hist=False, label='logistic')

plt.show()

结果

自己动手试一试 »


×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持