模糊逻辑和概率:令人困惑的术语
通常通过阅读有关数据科学的许多文章和博客，我们都会遇到一些术语，但实际上并没有清楚地理解它们。此外，通过查看术语的基本概述，我们经常会在几天内再次遇到相同的术语。因此，我们有必要了解它的详细含义，以便我们可以在未来需要时提前应用它。我们今天将讨论非常流行的术语，这常常使我们陷入困境，以理解两者之间的正确区别。它是模糊逻辑和概率。将其归类为相同会导致将来产生误解，因此让我们详细了解上述术语。
模糊逻辑
“模糊逻辑是多值逻辑的一种形式，其中变量的真值可以是 0 和 1 之间的任何实数，包括 0 和 1。”
可能性
“概率是数学的一个分支，涉及事件发生的可能性或命题为真的可能性的数值描述。”
这两个术语都是表达不确定性的一种方式，但方式完全不同。它们在 [0,1] 之间具有相似的范围间隔，但在相同点上仍然存在细微差别。它告诉我们，当任何类型的新数据/信息到达时，不确定性将如何变化。模糊逻辑可以定义为部分真理的概念。概率可以被视为基于最近发生并且众所周知的事情来衡量未来发生的可能性。我们可以很好地提出概率是模糊逻辑的子集。
模糊逻辑和概率的特征 Used by Quantitative Analysts too for the improvisation of their algorithms.Sr.No. Fuzzy Logic Probability 1. Here, everything is a matter of degree. It is specific within the range between 0 and 1. 2. It is based upon natural language processing. Not used for high approximations. 3. The Best suitable for approximation use cases. It captures partial knowledge. 4. Readily integrable with programming. Deals with likelihood. 5. Not capable of capturing any type of uncertainties.
模糊逻辑和概率之间的区别： The main association is with events and to Check whether the events will occur or not.Sr. No. Fuzzy Logic Probability 1 Trying to understand the concept of vagueness. 2 This captures the meaning of partial truth. This captures partial knowledge. 3 The degree of membership is in a set. The probability event is in a set.
让我们用一个真实的例子来理解这两个术语。考虑以下 2 个示例：
示例 1 ：今晚有 95% 的降雨概率。
例 2：今天晚上会下大雨。
所以在上面的例子中，我们可以看到例子 1 说晚上下雨的可能性很大，因为它被严格地提到，因为 95% 是相同的概率。然而，如果我们看第二个例子，它是模糊的，我们知道它会下大雨，但不太清楚它会有多大。这里的“重”词可能是主观的，取决于解释它的人。
以下是一些面向行业的模糊逻辑用例：
1) 空调
2）面部模式识别
3) 吸尘器
4) 传输系统
5) 地铁系统控制
以下是一些面向行业的概率用例：
1) 制造业务
2) 决策过程
3) 风险评估
4) 情景分析
5) 长期损益计算
我们必须注意模糊逻辑和概率之间在理论术语上的一个重要的微小差异。模糊逻辑附加一个介于 0 和 1 之间的不确定值，并衡量所提出的陈述的正确程度。在概率上，它给出了一个介于 0 和 1 之间的值，但它衡量了所提出的陈述正确的可能性。因此，在讨论模糊逻辑和概率时，它们似乎是相同的，但它们却有区别。