1、逻辑斯谛分布

用逻辑斯谛分布来描述增长。

在逻辑回归，神经网络等机器学习中广泛使用。

它具有三个参数：

loc-平均值，即峰值所在的位置。 默认值0。

scale-标准偏差，分布的平坦度。 默认值1。

size-返回数组的形状。

例如：

从均值1和stddev 2.0的逻辑分布中抽取2x3个样本：

from numpy import random

x = random.logistic(loc=1, scale=2, size=(2, 3))

print(x)

2、逻辑斯谛分布可视化

例如：

from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns

sns.distplot(random.logistic(size=1000), hist=False)

plt.show()

 Result

3、逻辑斯谛分布和正态分布的区别

两种分布几乎相同，但逻辑分布的尾部区域更大。 即。 它表示发生事件的可能性远非均值。

对于较高的尺度值(标准差)，正态分布和逻辑斯谛分布除了峰值外几乎相同。

例如： 

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()

Result