ထောက်ပံ့ပို့ဆောင်ရေးဖြန့်ဝေ
ထောက်ပံ့ပို့ဆောင်ရေးဖြန့်ဝေ
တိုးတက်မှုကိုဖော်ပြရန် ထောက်ပံ့ပို့ဆောင်ရေးဖြန့်ဝေမှုကို အသုံးပြုသည်။
logistic regression၊ neural networks စသည်တို့တွင် machine learning တွင် ကျယ်ကျယ်ပြန့်ပြန့်သုံးသည်။
၎င်းတွင် parameter သုံးခုရှိသည်။
loc
ဆိုလိုတာက အထွတ်အထိပ်ဆိုတာ ဘယ်မှာလဲ။ ပုံသေ 0 ။
scale
- စံသွေဖည်မှု၊ ဖြန့်ဖြူးမှု၏ ချောမွေ့မှု။ ပုံသေ ၁။
size
- ပြန်ထားသော ခင်းကျင်း၏ ပုံသဏ္ဍာန်။
ဥပမာ
1 နှင့် stddev 2.0 တွင် mean ဖြင့် ထောက်ပံ့ပို့ဆောင်ဖြန့်ဖြူးမှုမှ 2x3 နမူနာများကို ဆွဲပါ။
from numpy import random
x = random.logistic(loc=1, scale=2, size=(2,
3))
print(x)
Logistic Distribution ကို မြင်ယောင်ခြင်း။
ဥပမာ
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.logistic(size=1000), hist=False)
plt.show()
ရလဒ်
Logistic နှင့် Normal Distribution ကွာခြားချက်
ဖြန့်ဖြူးမှုနှစ်ခုလုံးသည် တူညီသော်လည်း ထောက်ပံ့ပို့ဆောင်ရေးဖြန့်ဖြူးမှုသည် အမြီးအောက်တွင် ဧရိယာပိုရှိသည်။ ဆိုလိုသည်မှာ ၎င်းသည် ဆိုလိုရင်းနှင့် ဝေးကွာသော အဖြစ်အပျက်များ ဖြစ်ပေါ်လာနိုင်ခြေ ပိုများသည်ကို ကိုယ်စားပြုသည်။
စကေးတန်ဖိုး (စံသွေဖည်မှု) ပိုမိုမြင့်မားရန်အတွက် ပုံမှန်နှင့် ထောက်ပံ့ပို့ဆောင်ရေး ဖြန့်ဝေမှုများသည် အထွတ်အထိပ်နှင့် တူညီပါသည်။
ဥပမာ
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()