品尝贝叶斯

Python 中的贝叶斯数据分析

Michal Oleszak

Machine Learning Engineer

二项分布

离散分布，仅取两值：
- 成功 (1)
- 失败 (0)
单参数：成功概率。
任务：给定抽样结果（成功/失败），估计成功概率。

在 Python 中的二项分布

100 次试验中的成功数：

import numpy as np
np.random.binomial(100, 0.5)

np.random.binomial(100, 0.5)

从二项分布抽样：

import numpy as np
np.random.binomial(1, 0.5, size=5)

array([1, 0, 0, 1, 1])

正面概率

get_heads_prob() —— 自定义函数
输入：一次硬币抛掷列表
输出：成功概率的分布（列表）

import numpy as np
tosses = np.random.binomial(1, 0.5, size=1000)
print(tosses)

[1 0 0 0 1 1 0 1 1 ... ]

正面概率

heads_prob = get_heads_prob(tosses)
print(heads_prob)

[0.47815295 0.51679212 0.51684779 ... ]

import matplotlib.pyplot as plt
import seaborn as sns

sns.kdeplot(heads_prob, 
            shade=True, 
            label="heads probabilty")
plt.show()

一个对称的钟形曲线，在 X 轴约 0.51 处达到峰值。

让我们抛些硬币！

Python 中的贝叶斯数据分析