파이썬 numpy 누적 분포(Logistic Distribution)

누적분포(Logistic Distribution) - logistic()

누적 분포는 성장을 설명하는 데 사용된다.

로지스틱 회귀 분석, 신경망 등에서 머신 러닝에 광범위하게 사용된다.
다음과 같은 세 가지 매개 변수가 있습니다:
loc - mean, 피크가 있는 위치. 기본값 0.
scale - 표준 편차, 분포의 평탄도. 기본값 1.
size - 반환된 배열의 모양이다.

평균이 1이고 stddev 2.0인 로지스틱 분포에서 2x3 표본을 추출한다:

from numpy import random x = random.logistic(loc=1, scale=2, size=(2, 3)) print('x = random.logistic(loc=1, scale=2, size=(2, 3)) : \n', x)

위의 코드를 실행하면 아래 그림과 같다.

파이썬 numpy 누적분포(logistic distribution) logistic() 함수 활용 예제

 

파이썬 numpy 누적분포 시각화

from numpy import random import matplotlib.pyplot as plt import seaborn as sns sns.distplot(random.logistic(size=1000), hist=False) plt.show()

위의 코드를 실행하면 아래 그림과 같다.

파이썬 numpy 누적분포(logistic distribution) logistic() 시각화 distplot() 함수 활용 예제

 

누적분포와 정규분포의 차이점

두 분포는 거의 동일하지만 로지스틱 분포의 꼬리 아래에 면적이 더 많기 때문에 평균에서 멀리 떨어진 사건이 발생할 가능성이 더 높다는 것을 의미한다.

더 높은 척도 값(표준 편차)의 경우 정규 분포와 로지스틱 분포가 피크와 거의 같다.

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()

위의 코드를 실행하면 아래 그림과 같다.

파이썬 numpy 누적분포, 정규분포 비교 예제

 

이번 글에서는 파이썬 numpy 모듈에서 누적분포(logistic distribution) 활용을 위해 logistic() 메소드를 활용하며 실습하였다.

꼭 손으로 눈으로 머리로 익히며 실습하기를 바란다.

모두 화이팅입니다.!!!

 

출처 : 이 글의 출처는 w3schools사이트를 참고하였으며 필자가 추가하여 정리한 글입니다.