1回答
我需要在n个球体上生成随机数据集。我已经设法通过从正态分布中采样点并对其进行归一化来生成统一的数据集。) values[i] /= np.linalg.norm(values[i], axis=0)
我现在需要做的是生成比均匀熵更低的数据集是否有一些参数(例如高斯的方差)可以保证某个<e
浏览 18提问于2019-07-29得票数 0
回答已采纳
我当时正在阅读深度学习书，并看到了以下段落(第109页，第2段)：
训练和测试数据是通过数据集上的概率分布(称为数据生成过程)生成的。我们通常会做出一套统称为i.i.d的假设。假设。这些假设是，每个数据集中的示例是相互独立的，训练集和测试集是相同分布的，它们是从相同的概率分布中提取的。这个假设
浏览 0提问于2017-12-26得票数 6
1回答
了解不同的机器学习概念，我遇到了生成和鉴别模型。根据我所研究的，生成模型是基于P(x，y)(联合概率分布)，而判别模型是基于条件概率的P(y，x)。但问题是为什么，实际上是如何做到的？联合概率是如何产生新数据的同时条件概率又是如何在当前数据集上工作的呢？有谁能用一个直观的例子来解释我，或者用某种联系来解释这个概念呢？
浏览 0提问于2019-11-29得票数 1
1回答
我在研究威布尔分布。我估计了我的数据的参数，我得到了概率图。如下面的代码所示，在概率图上，我“粘贴”了我获得的参数值。
但是，还有其他方法将它们附加到情节中吗？另一个问题是:我怎样才能得到关于轴‘x’上的和y上的变量的不超过概率的图，这反过来，i就排除了这三个参数的威布尔平差。我正在寻找的plot 类似于这个(或类似的)。
浏览 7提问于2021-03-19得票数 0
thuvien.thanglong.edu.vn:8081/dspace/bitstream/DHTL_123456789/4227/1/10.4-1.pdf
例如，有人说，在无监督学习中，人们通常希望‘学习生成数据集的整个概率分布我的问题是，我希望对这个概念有一个更好的解释/理解，也就是说，p(\vec{x})，对于一个给定的例子(表示为向量) \vec{x}，在数据集中意味着在野外“先验找到这个例子的可能性”……或
浏览 0提问于2019-06-23得票数 6
回答已采纳
1回答
车速随机分布程序
、、
我找不到一种方法来使用分布曲线来生成随机数，它描述了真实车辆速度的行为。因此，一个随机生成器(stdlib的)在0，120限制内随机生成数字。如何在概率的基础上分配它？如果车辆的速度是80，那么在大多数情况下，它应该接近80，并且距离这个数字太远的概率应该很低(分布曲线)。对于正态分布，均值的两侧发生概率相等，为0.5，而对于偏态分布，则不同。在这种情况下，我需要一个倾斜分
浏览 24提问于2021-11-20得票数 0
1回答
绘制分布中数据点的位置。
、、、、
假设我有一个很大的数据集，可以在某种分析中操作它。它可以观察概率分布中的值。
这是一个累积分布。连续线是从模拟产生的数据和下降强度只是预测百分比。然后，这些恒星是观测(已知)数据，与生成的数据
浏览 4提问于2017-04-01得票数 0
回答已采纳
我有一个数据集，我想要拟合到一个已知的概率分布。目的是在数据生成器中使用拟合的PDF -这样我就可以从已知的(拟合的) PDF中采样数据。数据将用于模拟目的。目前，我只是从正态分布中抽样，这与实际数据不一致，因此模拟结果不准确。我的第一个想法是将其拟合为威布尔分布，但数据实际上是多模态的(附图)。所以我想我需要组合多个分布</em
浏览 3提问于2015-10-16得票数 8
我不明白的一件事是，为什么所有的概率都是对数的？Beta分布的描述说它是"Beta对数似然“。评估分布的函数是"logp“和"logcdf”。
浏览 8提问于2019-12-05得票数 0
回答已采纳
抛硬币产生的随机变量(如头或尾)是independent，因为每次抛出结果都不取决于先前的抛出(换句话说，生成随机变量的函数没有内存)。这个例子也是identically distributed，因为每个抛出结果都遵循相同的分布(二项分布)。或者，在递归神经网
浏览 0提问于2021-05-08得票数 2
回答已采纳
1回答
我的问题是：b)某些基因(testing set)属于某一类，其特征是基因表达在这些时间点上的分布。c)我还有一个这类已知基因的数据集(training set)。
d)另外，我想通过随机重组我的测试集来生成一个false数据集，并将其包含在我的支持向量机模型中。我想我知道如何通过使用R和e1071包来实现(a)-(c)，但我不确定如何实现
浏览 2提问于2013-05-24得票数 0
回答已采纳
2回答
我想用scipy.stats.probplot()在mydata上做一些测试。statsgoodness_fit="%.2f" %fit[2]
根据指定理论分布的分位数(缺省情况下为正态分布)生成样本数据的概率图。可以选择计算数据的最佳匹配行，并使用Matplotlib或给定的绘图函数绘制结果。概率图生
浏览 19提问于2018-01-05得票数 14
回答已采纳
1回答
如何提高不平衡分类下的分类精度
、、、、
我使用一个不平衡的数据集(罕见的阳性案例)来学习预测模型，最终好的AUC是0.92，但是F1的分数非常低0.2。在我最初的模型中，我得到了如下所示的一类概率分布：我可以调整阈值，以提高精度，但同时也减少了一些回忆。这是由于两个分布之间有很大的重叠面积。然后，我使用了一个极端数据集，即将目标本身作为学习的一个特性。因
浏览 0提问于2017-06-08得票数 2
1回答
我正在用Java编写一个程序，它输出一个大致遵循钟形曲线分布的距离的List<Double>。从这些数据中，我需要生成两个值A和B，它们遵循与平均值X的特定标准差的分布，一个高于平均值，另一个低于平均值。分布可能不是对称的，但我满足于假设这是为了我的目的。这些值A和B将比我目前获取数据集的最小值和最大值的方法更好，因为数据集很容易被随机异常值所偏斜，因此并不总是代表来自
浏览 2提问于2021-12-22得票数 0
回答已采纳
1回答
期望概率分布
、、、
我有一个数据"zcosmo"，它遵循特定的发行版。它有许多波动(即在某个点略有增加，然后变平等)，但总体上它从0增加到0.5)。因此，我使用一个函数来拟合数据，该函数跟踪数据的分布。在这张图片中，给出了蓝线，我想用它作为概率分布函数. return (p1*x)+(p2*(x**2))
现在理论上我知道如何创建这个函数之后的数据！1)计算簇红移分布</em
浏览 1提问于2014-06-13得票数 0
1回答
如果我有一组非常大的数据(~ 1TB)。如何使用神经网络对这些数据，以了解哪些基本分布(例如。让我们假设一个具有一定均值的高斯或泊松人，sd)是数据所青睐的。因此，主要的目标是，如果在预测时，在从这个数据集中学习之后，我能知道算法所预测的是基于哪种基本分布(或倾向于哪种分布)。
浏览 0提问于2021-04-24得票数 0
回答已采纳
基本上，sklearn有一个带有高斯核的朴素贝叶斯，它可以对数值变量进行分类。有任何软件包可以直接与这些一起工作吗？
请注意:此问题不与和重
浏览 0提问于2016-08-26得票数 2
1回答
我有两个列表A = 0.5,0.34.75 .1和B =0.5 2，0.4，0.75 ....,0.9。x = pd.Series(A, name="x variable")df = pd.DataFrame({
'A':
浏览 1提问于2020-04-15得票数 0
回答已采纳
1回答
更多细节:我正在训练一个分类器，它将一个实例的概率分布作为输入，并输出一个二进制值。例如，假设我的数据集中的每个实例可以有10个不同的标签(例如MNIST)，我有所有实例的概率分布。假设我在一个数据集(MNIST)上训练了一个模型，现在我想将其扩展到另一个数据集，如cifar- 100，其中每个实例可以有100个不同的标签。我想设计一个模型(神经网络)，它可以在一个数据集<
浏览 7提问于2017-06-28得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
