很多数学老师教小伙伴。学习机器学习时，他们会对经验分布感到困惑。让xqdds为大家普及体验分发。如果你能理解的话，给我们一个赞美吧！
经验分布函数是与统计中样本的经验度量相关的分布函数。累积分布函数是一个阶跃函数，在所有n个数据点上跳跃1/n。对于测量变量的某个值，该值的分布函数值表示所有观测样本中小于或等于该值的样本比例。
以上是经验分布函数的定义。你瞎了吗？反正我糊涂了，所以你可以往下看：
没有比较理解，就不够深刻，所以首先举一个非经验分布的例子：
现在你有一个六面骰子。这六个面分别是1、2、3、4、5和6。那么，如果掷骰子，数字3朝上的概率是多少？
答案显然是六分之一？那你是怎么得到这六分之一的，因为我们已经知道这六张脸向上的概率是一样的，所以每张脸向上的概率是六分之一。
如果我们不知道骰子每一面朝上的概率都是一样的呢？这就要用经验分配了。
我们掷骰子1000多次，发现每张脸的概率分布如下：
掷骰子概率直方图
从上图可以看出，投掷1000次后，每张脸朝上的概率接近六分之一。这是经验分布，是观测数据的分布。
如果用数学公式表示，它是：
经验分布表达式
如何理解？事实上，这个公式表达了所有样本中测量值等于或小于x的概率。比如我们掷骰子十次，数值从小到大的顺序是，1，1，2，3，3，4，4，5，6，6，那么F(2)=3/10=0.3。