伯努利分布机器学习python

伯努利分布是概率论中的一种离散概率分布，通常用于描述只有两个可能结果的机试验。在机器学习中我们可以使用伯努利分布来建模分类问题。

在 Python 中，我们可以使用 scipy 库来生成伯努利分布的随机变量。首先，你需要导入 scipy.stats 模块：

import scipy.stats as stats

然后，你可以使用 `stats.bernoulli` 函数创建一个伯努利分布的对象。可以通过指定概率参数 p 来定义该分布：

p = 0.3  # 概率参数
bernoulli_dist = stats.bernoulli(p)

接下来，你可以使用 `rvs` 方法生成随机样本：

sample = bernoulli_dist.rvs(size=10)  # 生成10个样本
print(sample)

如果你想计算伯努利分布的概率质量函数（PMF），可以使用 `pmf` 方法：

x = 1  # 输入变量
pmf = bernoulli_dist.pmf(x)
print(pmf)

如果你想计算伯努利分布的累积分布函数（CDF），可以使用 `cdf` 方法：

x = 1  # 输入变量
cdf = bernoulli_dist.cdf(x)
print(cdf)

这是一个简单的介绍，你可以根据具体问题和需求进一步应用伯努利分布。希望对你有帮助！