首先介紹一下相關概念。
考慮一個預測模型，該模型可以是我們的數據科學研究中的一個組件。
如果我們想精確預測一個變量的值，那么我們首先要做的就是理解該變量的潛在特性。首先我們要知道該變量的可能取值，還要知道這些值是連續的還是離散的。簡單來講，如果我們要預測一個骰子的取值，那么第一步就是明白它的取值是1 到 6（離散）。第二步就是確定每個可能取值（事件）發生的概率。如果某個取值永遠都不會出現，那么該值的概率就是 0 。事件的概率越大，該事件越容易出現。在實際操作中，我們可以大量重復進行某個實驗，并記錄該實驗對應的輸出變量的結果。我們可以將這些取值分為不同的集合類，在每一類中，我們記錄屬于該類結果的次數。例如，我們可以投10000次骰子，每次都有6種可能的取值，我們可以將類別數設為6，然后我們就可以開始對每一類出現的次數進行計數了。我們可以畫出上述結果的曲線，該曲線就是概率分布曲線。目標變量每個取值的可能性就由其概率分布決定。一旦我們知道了變量的概率分布，我們就可以開始估計事件出現的概率了，我們甚至可以使用一些概率公式。至此，我們就可更好的理解變量的特性了。概率分布取決于樣本的一些特征，例如平均值，標準偏差，偏度和峰度。如果將所有概率值求和，那么求和結果將會是100%
世界上存在著很多不同的概率分布，而最廣泛使用的就是正態分布了。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
