通过得到正态分布的结果。机器学习
通过得到正态分布的结果，机器学习可以进行以下操作：
- 数据预处理：在机器学习中，数据预处理是一个重要的步骤。正态分布可以帮助我们对数据进行标准化或归一化处理，以便更好地应用于机器学习算法。例如，使用正态分布可以将数据转换为均值为0，方差为1的标准正态分布。
- 特征工程：正态分布可以帮助我们理解数据的分布情况，从而选择合适的特征进行建模。通过观察数据是否符合正态分布，我们可以决定是否需要对特征进行转换或创建新的特征。
- 假设检验：在机器学习中，我们经常需要进行假设检验来验证我们的模型是否有效。正态分布是许多假设检验方法的基础，例如t检验和ANOVA分析。通过检验数据是否符合正态分布，我们可以选择合适的假设检验方法。
- 概率模型：正态分布是许多概率模型的基础，例如高斯混合模型（GMM）和隐马尔可夫模型（HMM）。这些模型在机器学习中被广泛应用于聚类、分类和序列建模等任务。
- 异常检测：正态分布可以帮助我们识别数据中的异常值。通过计算数据点与正态分布的偏差程度，我们可以判断数据是否异常，并进行相应的处理。
腾讯云相关产品和产品介绍链接地址：
- 数据预处理：腾讯云数据处理服务（https://cloud.tencent.com/product/dps）
- 特征工程：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 假设检验：腾讯云统计分析平台（https://cloud.tencent.com/product/tcaplusdb）
- 概率模型：腾讯云人工智能平台（https://cloud.tencent.com/product/ai）
- 异常检测：腾讯云安全产品（https://cloud.tencent.com/product/saf）
请注意，以上链接仅为示例，实际使用时需要根据具体需求选择适合的产品和服务。
相关·内容
2回答
我正在用logistic回归建立一个机器学习模型。我在处理输血数据集。在其中有一个特性，Total_volume，我发现有超过5%的异常值是由present.Should来处理的？还是我保留了这些数据？Bacauase超过5%的数据可能包含一些模式。
浏览 0提问于2022-08-11得票数 0
我想了解有监督的机器学习模型所作的假设。
我多次听到它说，“你需要确保你的特性变量是正态分布的，这样你的ML模型才能正常工作。”然而，当我查找线性回归的假设时，我发现了许多相互矛盾的观点。
这个帖子和这个帖子提到了误差分布的正态性。后者甚至说特性不需要被正态分布--仅仅是错误。
统计解决方案他说的特性确实需要多元常态，许多顶级初学者的ML课程，如机器学习A。
维基百科的他说功能不需要被正态分布，但它对估计的准确性有很大的影响。
哪些算法假设特征变量是正态分布的？对于那些没有，为什么它是有益于扩展您的特性，使它们更正态分布？
浏览 0提问于2020-06-08得票数 1
4回答
我的数据(连续的)是高度倾斜的，它不遵循正态分布。使用sns.distplot，我发现指数更适合数据。
怎么处理这事？
我的最终目标是将数据用于机器学习模型(SVM)。
浏览 0提问于2020-01-08得票数 2
回答已采纳
1回答
我有一个数据集，其中包含编码为数值的分类变量、其他连续且有许多异常值的变量，以及具有相当正态分布的其他连续变量。
我正计划使用sklearn预处理方法.PowerTransformer来对所有这些列进行转换，但也许只对那些没有正态分布的列和许多异常值使用它可能更有意义？
这是一个分类问题(泰坦尼克号机器学习问题)。
浏览 0提问于2021-02-21得票数 1
回答已采纳
我想知道JavaScript函数Math.random是否使用正常的(与统一的)分布。
如果不是，我如何才能得到使用正态分布的数字？我还没有在互联网上找到一个清晰的答案，我还没有找到一个创建随机正态分布数字的算法。
我想重建施密特机器(德国物理学家)。机器产生0或1的随机数，它们必须是正态分布的，这样我才能把它们画成高斯钟形曲线。
例如，随机函数产生120个数字(0或1)，这些求和值的平均值必须接近60。
浏览 23提问于2014-08-30得票数 97
回答已采纳
1回答
我在读一本机器学习书，里面有计算机视觉方面的应用。在它中，它提到“在视觉中，通常忽略像素的强度被量化，并且用连续的正态分布来建模。”所以我的问题是，我们为什么选择这样做？
浏览 0提问于2017-01-27得票数 0
回答已采纳
2回答
我正在研究基因数据，在这些数据中，等位基因在t染色体数目中被观察到n次。换句话说，在t试验中取得了成功。
我想把每个等位基因频率的估计作为机器学习算法中的一个特征。当然，我可以用n/t得到一个点估计，但是我想表示这个点估计的可信度--也就是关于这个估计的可能性的东西。
现在，我相信负二项分布(或者仅仅是二项分布)是正确的，但是
如何在Python中估计发行版的参数？
对于经典(非NN)机器学习，什么样的分布表示是理想的？保守的估计可能是95% CI的上限，但我如何计算，是否有更好的方法来特征分布，而不仅仅是取那个值？
谢谢!
浏览 5提问于2020-11-24得票数 0
回答已采纳
1回答
我正在尝试建立一个基于特征向量(x1，x2，...，xn)来预测连续变量y的机器学习模型。我从其他地方知道y服从正态分布。我可以以某种方式将其指定到模型中，并以这种方式增强其预测吗？有没有特定的模型允许我这样做？
我使用过线性模型、k近邻模型和随机森林模型(在python中)。它们都给出了一些预测，但我想知道它们是否可以通过一些知道预测变量分布的模型来超越它们。
浏览 0提问于2019-07-30得票数 0
1回答
不同混洗的运行精度是如何分布的？
、、、、
我建立了一个网络，以机器学习的方式学习时尚MNIST，第298页。当我多次运行代码时，每次的准确性都略有不同。这让我想知道精度是否正态分布在某个均值附近，如果有足够的运行次数，我可以准确地确定这些参数的所有运行的总体平均值。 所以我运行了这段代码，它对模型进行了1000次拟合，每次都使用不同的混洗训练数据： from tensorflow.keras import datasets, models, layers
import matplotlib.pyplot as plt
(X_train, y_train), _ = datasets.fashion_mnist.load_data(
浏览 8提问于2020-12-21得票数 2
1回答
假设我有一组特性: a，b，c，d，e，f。我现在感兴趣的是识别这些功能之间可能的相互作用，从而最好地预测结果。例如，特征a，f，以及相互作用a:b:g，d:f和c:e是预测结果的5个最重要的因素。对于一个算法来说，描述特征交互不仅很重要，而且我也希望能够识别这些交互。
我如何用机器学习来解决这个问题？
浏览 0提问于2017-09-01得票数 2
回答已采纳
1回答
向量线性回归
、、、
我有两个向量：
X -属维数N的输入向量
Y -与X (N)相同维数的输出向量
这些向量是通过以下方式联系起来的：
Y = FX
其中F是一个线性变换，但它是未知的。可能，我可以使用大量的X和Y构建数据集。有一种通过线性回归/神经网络寻找F的方法。还没有定义向量大小，但它很大(超过1000个元素)。
有人能帮我找到一些关于如何用机器学习来解决这个问题的参考吗？我已经寻找多元线性回归，但它指向多变量而不是向量。
浏览 5提问于2021-02-03得票数 0
回答已采纳
1回答
我正在生成一个随机的数据样本，并使用scipy.stats.norm.fit绘制其pdf，以生成我的loc和scale参数。 我想看看如果我只使用numpy计算平均值和标准差，而不进行任何实际拟合，我的pdf会有多大的不同。令我惊讶的是，当我绘制两个pdf并打印两组µ和std时，我得到的结果完全相同。所以我的问题是，如果我只需要计算样本的平均值和标准差，并且仍然可以得到相同的结果，那么norm.fit的意义是什么？ 这是我的代码： import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
浏览 106提问于2020-03-26得票数 7
回答已采纳
2回答
机器学习算法的统计比较
、、、
我从事机器学习的工作。我被困在其中一个东西里了。
我想在10个数据集中比较4种机器学习技术。经过实验，我得到了曲线下面积的值。在此之后，我进行了方差分析检验，结果表明四种机器学习技术之间存在显着差异。
现在我的问题是，与其他算法相比，哪个测试会得出特定算法表现良好的结论，并且我只想在机器学习技术中选择一个获胜者。
浏览 2提问于2015-07-06得票数 0
1回答
我有一个正态分布，平均值为71，方差为20.25。这个例子取自“头第一统计”。
当我把正态分布标准化为零时，我得到了正确的结果，但从我对正态分布和正态分布的理解来看，非标准化分布的概率应该是相同的。
from scipy.stats import norm
import math
# prints 0.539337742276
print(norm(71, 20.25).sf(69))
zscore = (69-71) / math.sqrt(20.25)
print(norm(0,1).sf(zscore))
# prints 0.671639356718
浏览 4提问于2017-05-10得票数 0
回答已采纳
1回答
异常检测与去除/插值
、、、、
我正在对时间序列数据执行机器学习回归任务。我有一个数据框架，里面充满了各种资产和经济数据的收盘价。我希望在整个数据帧上执行异常值检测。以下是我的问题：
有什么好的方法来做这件事？
以下是我的dataframe (Df)的一个小节：
audjpy audnzd audusd usdcad cadchf cadjpy
2008-01-01 98.050003 1.140000 0.877116 0.99320 1.13960 112.599998
2008-01-02 96.559998 1.139500 0.8
浏览 0提问于2021-07-30得票数 -1
回答已采纳
我有一个类似于此的数据框架：
A B C
1 2 2
2 4 3
4 8 5
9 16 7
16 32 11
22 43 14
28 55 17
34 67 20
40 79 23
A,B and C可以被认为是机器学习文献中的features。我读过假设高斯分布的1变量的最大似然估计。
方程是这样的，其中xi's are每个数据点：
📷
其中x1,x2....xn是n个数据点，每个数据点都有dimension 3。如果我们假设p(x)是高斯的，那么我们可以使用高斯Normal distribution equation作为：
浏览 0提问于2020-10-11得票数 2
我想结合先验知识来改进我的机器学习模型。根据Bayes准则，用MLE乘法得到了最大后验。将先验概率与机器学习概率预测结果相乘。然而，我得到更好的预测结果是没有意义的，因为我得到了更小的概率。我是不是遗漏了什么？Thx
浏览 0提问于2022-02-19得票数 0
均衡学习率是NVIDIA团队的论文中的一项特殊内容。通过使用这种方法，他们引入了
我们的方法确保了所有权重的动态范围以及学习速度是相同的。
详细地说，它们以正态分布的方式输入所有可学习的参数。
[]()
。在训练期间，每前进一段时间，他们将使用每层归一化常数从他的初始化器缩放结果。
我复制了的代码
def forward(self, x, equalized):
# generate He constant depend on the size of tensor W
size = self.module.weight.size()
fan_in = prod(
浏览 1提问于2020-09-28得票数 3
1回答
我正在研究一个机器人的运动模型。在每个时间步中，对机器人的运动进行测量，然后对正态分布进行采样，将测量值作为平均值，并对协方差进行小的sigma值采样，以模拟噪声。然后将这种嘈杂的运动添加到机器人的先前状态估计中。
但当我让机器人静止不动时，这些嘈杂的测量值似乎累积起来，机器人“认为它在移动”。
这些随机样本不应该累加，而是求和为零吗？
换句话说，你希望下面的情况是真的吗：
0 ~ np.sum([np.random.normal(0, 0.1) for _ in range(1000)])
我试着在显式循环中写出上面的内容，并在每次采样之前用不同的数字播种随机数生成器，但总和仍然偏离零很远。
浏览 21提问于2018-07-21得票数 1
回答已采纳
我对深度学习很感兴趣，我被推荐读统计学习的要素，但是很难进入。所以我的问题是：
如果我的最终目标是学习深度学习，那么学习统计学和阅读像统计学习元素这样的书籍有多重要？
我应该说我已经上过吴家富的机器学习课程了。
浏览 0提问于2017-08-10得票数 2
我对stan和机器学习都是新手。现在我想实现pmf模型。下面是我的代码的一部分：
pmf_cod="""
data {
int<lower=0> K; //number of factors
int<lower=0> N; //number of user
int<lower=0> M; //number of item
int<lower=0> D; //number of observation
int<lower=0> D_new; //number of pridictor
int<lower
浏览 5提问于2016-02-10得票数 0
我正在尝试做一些网络作业应用程序，可以运行一段时间，并在蔚蓝机器学习工作室进行预测。在那之后，我想得到这个实验的结果，并在我的控制台应用程序中做一些事情。什么是最好的方法，在天蓝色的机器学习，或一些类似的东西，预测数据系列？
浏览 1提问于2017-02-02得票数 0
回答已采纳
我正在学习统计学，我想检查一个数据的分布，看看它是否来自正态分布。
我发现一个测试可以做到这一点。我的代码列表如下：
In [1]: from scipy import stats
In [2]: from read_cj import read
In [3]: df = read()
[read] cost 10.066437721252441
In [4]: stats.kstest(df['XH.self_rank(30)'],'norm')
Out[4]: KstestResult(statistic=0.3203690716401366, pva
浏览 1提问于2021-10-27得票数 0
回答已采纳
1回答
我已经使用R中的fitdistr将正态分布拟合到我的索赔金额数据中。如何拟合多变量正态分布(二维正态分布)？我想使用R中的AIC来选择哪个最适合我的样本数据，我该如何继续？我试过了
IC<-Mclust(data,G=1)
IC1<-Mclust(data,G=2)
较小的BIC是更好的模型。而是如何根据这个Mclust结果来计算AIC。
浏览 5提问于2015-02-05得票数 1
1回答
我试图在Excel中得到样本大小为225时均值为20，标准差为2的正态分布的随机数，但我得到的是带小数的数字(如17.5642，16.337)。
如果我四舍五入，就不能实现正态分布。请帮助我得到正态分布的四舍五入的数字……我使用了Excel FORMULA "* =NORMINV(RAND(),20,2) *“来生成这些数字。请建议四舍五入的数字。
浏览 3提问于2015-11-10得票数 0
3回答
我必须从机器学习任务的间隔中生成随机值。我想在numpy的范围内有一个正态分布，我在网上搜索它。我发现了这个问题，，但我没有标准偏差的任何专栏。
这些值如下：
−21.8 ± 6.7
−4.3 ± 0.1
−7.4 ± 0.5
所以我知道最小值和最大值。但是标准偏离没有任何意义。
谢谢。
编辑：
我想从这些值中生成10个值。第一个值是平均值。第二个值表示最大值(和最小值)与平均值之间的距离。要明确：
X= -21.8
图的最小值为-21.8 - 6.7 = -29.5
图的最大值为-21.8 + 6.7 = -15.1
浏览 1提问于2020-05-14得票数 0
对不起，我刚刚开始学习机器学习，并不是一个专家。因此，这个问题很可能听起来很无知，恐怕我无法避免。此外，我尽我所能地搜索，但找不到类似的问题或答案来解决我的问题。
我了解到，如果不是从具有正态分布的数据集中，模型就无法学习。此外，我用来找出数据集是正态分布的唯一方法是为每个参数描述的图形化方法。这可能是不可取的，如果是这样的话，我总是会改变的，所以如果是这样的话请纠正我。
为了回答我的问题，如果我看到某些参数的正态分布，而不是其他一些参数的正态分布，这是否意味着数据集是有缺陷的？或者这是否意味着我不应该在模型中使用这些参数？
提前感谢，如果我对概念的理解有任何根本的错误，我深表歉意。
浏览 8提问于2017-01-12得票数 5
回答已采纳
1回答
我是机器学习的新手。我有一个关于如何在OpenCV中实现普通Bayes的问题。
我对术语、普通Bayes、和朴素Bayes有一个错误的理解.
这个告诉我，Normal Bayes和朴素Bayes的意思相同。
OpenCV网站上的文档指定这些特性是正态分布的，不一定是独立的。
关于朴素贝叶斯分类器的文章告诉我们，假设特征是独立的。因此，不需要确定协方差矩阵。
然而，当我看到普通贝叶斯分类器实现的来源时，它确实计算了协方差矩阵。
我还在上发现了一个类似的问题，但没有得到回答。
，我是不是漏掉了什么？还是OpenCV中的普通贝叶斯分类器不是标准的朴素贝叶斯分类器？
浏览 2提问于2012-04-04得票数 1
回答已采纳
2回答
我是一个使用python的学习统计数据，我有一项任务要检查数据在mean=10和dispersion=5.5中是否有正态分布。我已经检查了scipy.stats.kstest函数，但是我不知道如何解释结果，以及应该在哪里传递平均值和分散args。
谢谢，谢谢你的帮助
浏览 3提问于2020-01-06得票数 0
回答已采纳
1回答
我试图使用boost::normal_distribution来生成均值为0和σ1的正态分布。
下面的代码不工作，因为有些值已经超过或超过-1和1(而且不应该是这样)。有人能指出我做错了什么吗？
#include <boost/random.hpp>
#include <boost/random/normal_distribution.hpp>
int main()
{
boost::mt19937 rng; // I don't seed it on purpouse (it's not relevant)
boost::normal_di
浏览 7提问于2010-01-16得票数 24
回答已采纳
1回答
我有一个关于变量跟随或不随机分布的问题。我选择了与标签(欺诈/无欺诈)负相关的4个特征。我所得到的灵感来自笔记本，画出了标签上这些特征的分布。结果是，我的特色1(仅欺诈)是遵循正态分布。
以下是我的问题：
为什么知道我的特性是否服从正态分布很重要呢？->，我猜:有些模型需要它才能更快地收敛或获得更好的结果。
有没有兴趣将我的特性想象成非欺诈和欺诈，并比较发行版？
如果我的特征不是服从正态分布，而是按比例排列的话，我还应该强制它们变成高斯形状吗？
非常感谢！
浏览 0提问于2021-02-05得票数 1
回答已采纳
1回答
有没有办法训练机器学习算法，从别人的结果中学习，然后克隆出来呢？
尝试过克隆，但在相同的输入数据下得到不同的结果。
浏览 4提问于2022-11-15得票数 -4
我试图生成一些贝尔形状数据(正态分布)。有一些数学公式可以实现这一点，但我希望通过现实生活中每天发生的自然事件来模仿它。
例如，我是说，对于50名学生来说，假设他们有70%的机会在一次选择题考试中得到一个正确的答案，即100个问题。那么每个学生的分数是多少呢？我有JavaScript中的代码：
students = Array.from({ length: 50 });
students.forEach((s, i, arr) => {
let score = 0;
for (let i = 0; i < 100; i++) {
if (Math.random
浏览 7提问于2021-04-04得票数 0
回答已采纳
我想知道如何在numpy中生成与在MATLAB中相同的随机(正态分布)数。
作为一个例子，当我在MATLAB中这样做时。
RandStream.setGlobalStream(RandStream('mt19937ar','seed',1));
rand
ans =
0.417022004702574
现在我可以用numpy重现这段代码：
import numpy as np
np.random.seed(1)
np.random.rand()
0.417022004702574
这很好，但是当我使用正态分布时，我得到了不同的数字。
RandStream
浏览 9提问于2016-07-19得票数 5
1回答
我一直在学习随机抽样方法，并意识到Numpy使用Mersenne生成均匀随机数，然后如何通过这些方法生成非均匀分布？
例如：
np.random.normal(mu,sigma,n)
这里用什么算法来采样正态分布的数字？谢谢。
浏览 2提问于2019-04-03得票数 1
回答已采纳
--我正在学习假设检验，并通过以下示例：
一家大型电力公司的首席执行官声称，他的100万客户中有80 %对他们所得到的服务非常满意。为了验证这一说法，当地报纸用简单的随机抽样对100名顾客进行了调查。在抽样的顾客中，73 %的人说他们非常满意。基于这些发现，我们是否可以拒绝首席执行官的假设，即80%的客户非常满意？使用0.05的显着性水平。
在使用单样本z测试计算p值时，与python.中的引导方法相比，我得到了不同的结果。
Z-测试方法：
σ= sqrt (0.8 * 0.2) / 100 = sqrt(0.0016) =0.04z= ( P ) /σ=(.80-/0.04)= -1.75
浏览 5提问于2019-03-01得票数 3
回答已采纳
我使用高斯过程进行预测。现在让我们假设我已经将预测值存储在大小为1900X1的x中，现在我想检查它的分布是否遵循高斯分布。我需要这个，以便比较其他方法的分布函数，如NN，KNN，以便判断哪种方法遵循平滑高斯分布函数或正态分布函数
我怎么能做到这一点？如果我能以数字数据的形式得到一些结果，那就更好了。代码编写如下：
m = mean(ypred); % mean of r s = std(ypred); % stdev of r pd = makedist('Normal','mu',m,'sigma',s); % make probability
浏览 0提问于2017-06-19得票数 4
随着机器学习(其各种形式)在科学中变得越来越普遍，建立逻辑和系统的方法来解释机器学习结果变得非常重要。虽然现代ML技术已经表明自己能够与更“经典”的技术竞争，甚至超过了它们的准确性，但在任何数据分析中得到的数值结果都只是故事的一半。
有建立和良好的形式化(数学上)的方法来评估结果中的不确定性，通过经典方法。如何评估机器学习结果中的不确定性？例如，在类似于经典回归分析的情况下，估计拟合参数的不确定性(至少在理论上是如此)是相对直接的。我可以做一些测量，把它们拟合成某种方程，估计一些物理参数，例如用高斯误差近似的规则来估计它的不确定性。如何确定某些机器学习算法所估计的同一参数的不确定性？
我认识到
浏览 0提问于2022-06-10得票数 3
回答已采纳
1回答
我是机器学习的新手，所以我在这里要求一个健全的检查，如果我问的问题是合理的。
我有一个列的数据集，所以我想用熊猫调用csv中的一个列。
从这列数字中取一个数字，做一些无监督的学习，以确定这个值是否是该列中的一个异常值，它是否属于该列。
下面的图表显示了我如何看待这一过程。我不知道在这种情况下，不受监督的方法最适合做些什么。
📷
浏览 0提问于2020-01-23得票数 2
我刚开始学习数据科学。
这是我的第一个项目的链接：
如果: tripdata_clean$ride_duration_min和tripdata_clean$ride_distance_km是正态分布的或非正态分布的，有人能帮助可视化吗？
另外，是否有一种非视觉的方法来确认它们是否近似于正常分布。
提前谢谢
浏览 4提问于2022-06-01得票数 -2
1回答
如何将图像颜色规范化？
、、、、
在描述框架( Viola和Jones的鲁棒实时人脸检测)的论文中，有人说：
所有用于训练的子窗口都进行了方差归一化，以最小化不同照明条件下的影响。
我的问题是“他们用了什么样的工具来规范图像？”
我不是在寻找Viola & Jones使用的特定工具，而是一个类似的工具，它产生了几乎相同的输出。我一直在学习许多高级培训教程(试图检测到一只手)，但还无法输出一个好的检测器(Xml)。
我试着联系过作者，但还是没有回应。
浏览 2提问于2012-12-12得票数 8
回答已采纳
4回答
在机器学习任务中。我们应该得到一组有界的随机w.r.t正态分布。我们可以用np.random.normal()得到一个正态分布数，但它不提供任何绑定参数。我想知道怎么做？
浏览 4提问于2016-04-27得票数 42
1回答
我正在为我的网站建立一个推荐系统，用户将根据他们在我网站上访问产品的选择得到推荐。将向用户推荐类似的产品。然而，我已经完成了我的机器学习部分和测试结果。
我期待着部署这个机器学习模型，生成一组推荐给我的网站上的用户。我正在寻求架构解决方案/技术解决方案的帮助，以在网站上部署此模型。由于推荐必须是实时推荐，因此模型必须不断地从用户的实时数据中学习。
目前，我的用户数据来自另一台服务器，而该服务器的问题是，由于它是第三方服务，需要超过24小时才能访问该数据。虽然我需要数据来构建机器学习模型，但在实际部署中，无法利用此服务器。
我应该考虑建立自己的服务器吗？如果，在这种情况下，我可以利用什么技术？我
浏览 4提问于2019-08-14得票数 3
1回答
我一直在尝试用Keras建立一个机器学习模型，根据预处理参数预测辐射剂量。我的数据集大约有2200个样本，其中20%用于验证和测试。
目标变量的问题是，它是非常倾斜的，因为大辐射剂量比小剂量辐射要少得多。因此，我怀疑我的回归模型根本无法预测大的值，并预测平均值周围的一切，这从数字上是显而易见的。我试图记录目标变量的正规化，使其更加正态分布，但没有产生任何效果。
有什么办法解决这个问题吗？
浏览 2提问于2018-12-12得票数 2
回答已采纳
1回答
我一直在为R如何计算分位数和数据的正常拟合而挣扎。我的数据(NDVI值)遵循截断的正态分布(见图)。
我感兴趣的是从数据和拟合的正态分布曲线中得到最低的第10百分位数(p=0.1)。
根据我的理解，由于数据是截断的，所以两者应该是完全不同的:我期望数据的分位数高于按正态分布计算的分位数，但事实并非如此。对于我对分位数函数的理解，数据中的分位数应该是默认的分位数函数：
q=quantile(y, p=0.1)
而正态分布的分位数是：
qx=quantile(y, p=0.1, type=9)
然而，这两个结果在所有情况下都非常接近，这使我想知道R适合哪种类型的分布来计算分位数(截断法域。？
浏览 3提问于2016-09-25得票数 1
回答已采纳
我的目标是获得股票价格的对数正态分布，然后我可以用它来计算代理人从持有这类股票中得到的预期效用。但我对如何做到这一点有点执着。股票价格分布为对数正态分布，波动率为σ，资本资产定价模型得到预期收益r。
例如，σ= 0.01825838和r= 0.13053162。我试图通过以下方式生成股票价格的分布：
dist <- rlnorm(1000, 0.13053162, 0.01825838)
但是，这种分布是正态分布的，而不是对数分布的。如果代理具有恒定的相对风险厌恶，我如何生成这个分布，然后使用它来计算预期的实用程序：
浏览 0提问于2019-02-19得票数 0
回答已采纳
2回答
我有一个关于正态分布的问题(用mu = 0和sigma = 1)。
让我先这样称呼朗或范伦德吧
x = normrnd(0,1,[4096,1]); % x = randn(4096,1)
现在，为了评估x值是否符合正态分布，我调用
[a,b] = normfit(x);
有一个图形化的支持
histfit(x)
现在是问题的核心:如果我对x如何拟合给定的正态分布不满意，我如何优化x，以便更好地拟合预期正态分布的0均值和1标准差？有时，由于表示值很少(本例中为4096 )，x非常不适合预期的高斯，因此我想要操作x (线性与否，在这个阶段并不重要)以获得更好的适应度。
我想说我可以访问统计工具箱
浏览 14提问于2013-03-19得票数 5
回答已采纳
1回答
基本上，我会用Canny和hough做文档提取。在Canny边缘检测之后，我得到了很多从文档中检测到的边缘。
Canny边缘检测器后的结果：
但是我只需要文档的边缘，它不仅仅是一个矩形。我使用机器学习搜索对象定位，但它们都是以矩形包围框的形式输入，而我需要四边形的输入。有什么机器学习可以训练和提取文档的边缘吗？
机器学习边缘检测后的期望输出：
浏览 2提问于2018-08-15得票数 0
我试图遵循这个，在那里，他们试图证明样本逐渐呈现出正态分布的特征，随着尺寸的增加。
我尝试使用numpy.random.randn()方法生成一个正态分布，如本教程所示。
据我所知，此方法返回一个，对于正态分布返回mean = 0和standard deviation = 1。
但是，当我检查这个分布的均值和标准差时，它们显示出奇怪的值，即mean = 0.23和standard deviation = 0.49。
代码：
import numpy as np
import matplotlib.pyplot as plt
#np.random.seed(123)
normal = np.ra
浏览 2提问于2020-04-20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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
