ฟังก์ชันการแจกแจงสะสม (Cumulative Distribution Function)
การทำความเข้าใจการแจกแจงโลจิสติก (logistic distribution) เป็นรากฐานสำคัญของการถดถอยโลจิสติก เช่นเดียวกับการแจกแจงปกติ (Gaussian) มันคือการแจกแจงความน่าจะเป็นของตัวแปรต่อเนื่องเดี่ยว ในแบบฝึกหัดนี้ จะได้แสดงภาพ ฟังก์ชันการแจกแจงสะสม (CDF) ของการแจกแจงโลจิสติก กล่าวคือ หากมีตัวแปร x ที่แจกแจงแบบโลจิสติก และค่า xval ที่ x อาจเป็นได้ CDF จะให้ค่าความน่าจะเป็นที่ x มีค่าน้อยกว่า xval
CDF ของการแจกแจงโลจิสติกคำนวณด้วยฟังก์ชันโลจิสติก (ซึ่งเป็นที่มาของชื่อ) กราฟของฟังก์ชันนี้มีรูปร่างเป็น S เรียกว่า sigmoid curve คุณสมบัติสำคัญของฟังก์ชันนี้คือรับค่าอินพุตได้ตั้งแต่ลบอนันต์ถึงบวกอนันต์ และให้ค่าผลลัพธ์ระหว่างศูนย์กับหนึ่งเสมอ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Regression ระดับกลางด้วย statsmodels ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import logistic
____
# Create x ranging from minus ten to ten in steps of 0.1
x = ____