自学教程：Python随机采样及概率分布(二)

前言:

之前的《Python中的随机采样和概率分布》我们介绍了Python中最简单的随机采样函数。接下来我们更进一步，来看看如何从一个概率分布中采样，我们以几个机器学习中最常用的概率分布为例。

1. 二项（binomial）/伯努利（Bernoulli）分布

1.1 概率质量函数(pmf)

二项分布P(X=x; n, p)可以表示进行独立重复试验n次，每次有两成功和失败可能结果（分别对应概率p和1−p），共成功x次的概率。

1.2 函数原型

random.binomial(n, p, size=None)

参数：

n: int or array_like of ints   对应分布函数中的参数 n，>=0，浮点数会被截断为整形。
p: float or array_like of floats   对应分布函数参数p, >=0并且<=1。
size: int or tuple of ints, optional   如果给定形状为(m,n,k)，那么m×n×k个随机样本会从中抽取。默认为None，即返回一个一个标量随机样本。

返回：

out: ndarray or scalar  从带参数的概率分布中采的随机样本，每个样本表示独立重复实验n次中成功的次数。

1.3 使用样例

设进行独立重复实验10次，每次成功概率为0.5，采样样本表示总共的成功次数（相当于扔10次硬币，正面朝上的次数）。总共采20个样本。

import numpy as npn, p = 10, .5 
基于python使用OpenCV进行物体轮廓排序
Python爬虫爬取网站图片