डिरिख्ले वितरण जनरेटर और विज़ुअलाइज़र

Dirichlet वितरण से प्रायिकता vectors बनाएं। marginal वितरण और simplex plot देखें।

यह टूल आपके ब्राउज़र में ही चलता है। नमूने किसी सर्वर पर नहीं जाते। साझा URL में सिर्फ सेटिंग्स रहती हैं, बने हुए नमूने नहीं।

सुरक्षित मोड CSPRNG इस्तेमाल करता है। seeded मोड परिणाम दोहराने के लिए है, गोपनीय डेटा के लिए नहीं।

अन्य भाषाएँ 日本語 | English | 简体中文 | 繁體中文 | Español | Español (México) | Português (Brasil) | Português (Portugal) | Bahasa Indonesia | 한국어 | Français | Deutsch | हिन्दी | العربية | বাংলা | Türkçe | ไทย

Dirichlet वितरण क्या है?

Dirichlet वितरण non-negative vectors बनाता है जिनका total 1 होता है। यह proportions, category probabilities और topic हिस्सों के लिए उपयोगी है।

इस टूल के लिए निजी डेटा डालने की जरूरत नहीं है। सेटिंग्स साझा करते समय labels में sensitive data न रखें।

प्रीसेट

आम shapes को शुरुआती बिंदु की तरह चुनें। लागू करने के बाद भी values बदल सकते हैं।

Tip: K बड़ा हो तो लंबी URL के बजाय प्रोफ़ाइल JSON साझा करें।

जनरेटर

पैरामीटर method चुनें, नमूने बनाएं, फिर मीन, marginal वितरण और diagnostics देखें।

सभी घटकs के लिए α_i = α इस्तेमाल होता है। corners और बीच का फर्क देखने के लिए अच्छा शुरुआती बिंदु है।

दिखाने वाले घटकs (marginals)

marginal हिस्टोग्राम में अधिकतम 5 घटकs दिखते हैं। K बड़ा हो तो checkbox list के बजाय number इनपुट इस्तेमाल करें।

घटक stats

घटक theoretical मीन नमूना मीन theoretical वैरिएंस नमूना वैरिएंस

नमूना प्रिव्यू (पहले 20)

प्रोफ़ाइल JSON (सेटिंग्स save/restore)

साझा URL में सिर्फ सेटिंग्स रहती हैं। K बड़ा हो तो लंबी URL से बचने के लिए प्रोफ़ाइल JSON से save/restore करें।

Tip: साझा की गई प्रोफ़ाइल में customer name जैसे sensitive labels न रखें।

कैसे इस्तेमाल करें

जब हर घटक non-negative हो और total 1 होना चाहिए, तब प्रायिकता vector नमूने बनाने के लिए इस्तेमाल करें।

3 स्टेप

  1. K=3 जैसे छोटे डाइमेंशन और आसानी से समझ आने वाले preset से शुरू करें।
  2. नमूने बनाने के बाद theoretical मीन, marginal वितरण और row प्रिव्यू साथ में देखें।
  3. मीन shift और कंसन्ट्रेशन change अलग देखने के लिए एक बार में एक α value या कंसन्ट्रेशन setting बदलें।

परिणाम कैसे पढ़ें

हर row एक प्रायिकता vector है। मीन हर घटक का अपेक्षित हिस्सा दिखाता है। कंसन्ट्रेशन बताता है कि नमूने उस मीन के कितने पास रहेंगे।

सीमा checks

अक्सर पूछे जाने वाले सवाल

घटकों के बीच negative correlation क्यों दिखता है?
क्योंकि सभी घटकों का योग 1 होना चाहिए। एक घटक बढ़े तो आम तौर पर कोई दूसरा घटक घटता है।
नमूने simplex के कोनों के पास क्यों जाते हैं?
जब एक या अधिक α मान 1 से कम हों, या कुल कंसन्ट्रेशन छोटा हो, तो डेंसिटी simplex की सीमा की ओर जाती है।
एक्सपोर्ट की rows ठीक 1 तक add क्यों नहीं दिखतीं?
rounding के बाद दिखने वाले मानों का योग थोड़ा अलग लग सकता है। अंदर के unrounded नमूने फिर भी 1 तक add होते हैं।
यह Beta वितरण से कैसे अलग है?
Dirichlet पूरा प्रायिकता vector संभालता है। Beta उसका दो-घटक special case है।
पहले क्या देखना चाहिए?
कम डाइमेंशन वाले baseline से शुरू करें। फिर एक बार में सिर्फ़ एक α value या कंसन्ट्रेशन setting बदलें।