伯努利分佈 是一種離散分佈,有兩種可能的結果。1表示成功，出現的概率為p(其中0<p<1)。0表示失敗，出現的概率為q=1-p。這種分佈在人工智慧裡很有用，比如你問機器今天某飛機是否起飛了，它的回覆就是Yes或No，非常明確，這個分佈在分類演算法裡使用比較多，因此在這裡先學習 一下。

概率分佈有兩種型別：離散（discrete）概率分佈和連續（continuous）概率分佈。
離散概率分佈也稱為概率質量函式（probability mass function）。離散概率分佈的例子有伯努利分佈（Bernoulli distribution）、二項分佈（binomial distribution）、泊松分佈（Poisson distribution）和幾何分佈（geometric distribution）等。
連續概率分佈也稱為概率密度函式（probability density function），它們是具有連續取值（例如一條實線上的值）的函式。正態分佈（normal distribution）、指數分佈（exponential distribution）和β分佈（beta distribution）等都屬於連續概率分佈。

from scipy.stats import binom   #匯入伯努利分佈
import matplotlib.pyplot as plt
import numpy as np
#次數
n = 10
#概率
p = 0.3
#匯入特徵係數
k = np.arange(0, 21)
#伯努利分佈的特徵值匯入
binomial = binom.pmf(k, n, p)
plt.plot(k, binomial, 'o-')
plt.title('Binomial: n = %i, p=%0.2f' % (n, p), fontsize=15)
plt.xlabel('Number of successes')
plt.ylabel('Probability of sucesses', fontsize=15)
plt.savefig(r'C:\Users\Administrator\Desktop\106\data\textdata\12.png')
plt.show()