随机选择一个样本，并使用它生成1000个自举样本
是一种统计学中的重要方法，被广泛应用于数据分析和推断中。下面是对这个问题的完善且全面的答案：
- 名词概念：
- 自举样本（bootstrap sample）：指从原始样本中有放回地随机抽取的样本，用于模拟原始样本的分布特征。
- 分类：
- 统计学方法：自举样本属于一种非参数统计方法，不依赖于对数据分布的假设。
- 机器学习方法：自举样本也可以用于机器学习中的集成学习方法，如自举聚合（bootstrap aggregating，简称bagging）。
- 优势：
- 自举样本能够通过模拟原始样本的分布特征，对样本数据进行重采样，从而更好地估计总体参数、构建置信区间等。
- 在机器学习中，自举样本可以用于减小过拟合风险、提高模型的稳定性和泛化能力。
- 应用场景：
- 统计推断：自举样本可用于估计总体参数、构建置信区间、进行假设检验等。
- 机器学习：自举样本可用于集成学习方法中，如随机森林（Random Forest）等。
- 推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云大数据分析平台（https://cloud.tencent.com/product/emr）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/ai）
总结：自举样本是一种重要的统计学方法，用于模拟原始样本的分布特征。它在统计推断和机器学习中有广泛的应用，能够提高参数估计的准确性、构建置信区间、降低过拟合风险等。腾讯云提供了多个相关产品和平台，可支持用户在云计算环境下进行数据分析、机器学习和人工智能等任务。
相关·内容
1回答
R自举时间序列
、、
我希望从时间序列数据集生成四个自举样本，并使每个新的自举样本成为一个新的列表元素。样本大小需要与原始数据集的长度相同。有人能帮我一下吗？到目前为止，我能想到的就这些了。
data <- ts(matrix(rnorm(36), 12, 3), start=c(2012, 1), frequency=12)
data
replicate(4, apply(data, 1, sample, replace=TRUE))
浏览 1提问于2013-07-15得票数 3
回答已采纳
2回答
自举二项分布
、、
我正在处理一个简单的问题，我想写一个函数，它将从一个二项分布(比如60%1和40%0)中随机抽取n个大小为q的样本，然后将每个样本的1份额保存到一个数组中(这样我以后就可以分析那个数组)。例如，如果我从一个具有60% 1和40% 0的分布中抽取了1000个样本，每个样本的大小为30，我希望输出一个长度为1000的数组，其中每一行表示该样本中1的份额。
浏览 21提问于2020-02-18得票数 1
回答已采纳
1回答
我正在尝试实现演示和描述的噪声生成器(Poisson disk noise)，但由于要求从活动样本队列中弹出随机的活动样本(示例中的红色点)，我不知道如何使它在线性时间内运行。据我所知，这一步本身具有线性复杂性，因为样本不是从末尾弹出，也不是从队列开始时退出的，这使得整个算法都是二次型的。
如何使噪声发生器在时间上真正线性化？据我所知，这需要一个序列，一个随机元素可以在恒定的时间内被移除。
浏览 1提问于2017-06-04得票数 0
1回答
可重复随机抽样SQL
、、、、
我需要回顾一下我的解决方案，从存储在MPP机器上的表中抽取100个随机行(现在是Netezza，稍后可能是hadoop/等等)。
我对使用Netezza的rand()不感兴趣，因为我希望以后能够复制相同的示例，而且我也不指望setseed()。
我现在使用的解决方案是：
SELECT * FROM MY_TABLE ORDER BY ID % 371, ID % 17, ID % 501, ID LIMIT 100
其中3个数字是我自己的RNG生成的素数。我在正确的轨道上吗？这个“随机”样本够随机的吗？
注意:我不需要它是一个加密强随机样本，我只是想确保每次都选择不同的样本，并且采样是一致的，
浏览 5提问于2011-02-01得票数 1
回答已采纳
假设我们从参数5的泊松分布中提取了一个大小为20的随机样本y1, y2,..,y20，即y~rpois(20,5)。假设我们得到了y1=4, y2=7, y3=5,...,y19=3, y20=5。那么，我的问题是，如何绘制样本x1~rexp(y1,2)，x2~rexp(y2,2)，.，x20~rexp(y20,2)，使sum(x)={sum(x1), sum(x2),...,sum(x20)}又会是一个随机样本呢？我想找出这个sum(x)及其平均值，即mean(sum(x))和方差，即var(sum(x))。
我希望你们都明白我的问题。
浏览 4提问于2017-10-25得票数 0
回答已采纳
是我想要重现的一个样本。
我考虑过平铺图像，但这将创建一个可检测的模式。我还考虑了使用4或5种颜色的随机模式，但这不是随机模式。
谢谢!
浏览 2提问于2011-06-17得票数 5
回答已采纳
1回答
如果我有一个有1000行的数据集，那么将数据集分成5个随机样本的最佳方法是什么(即，每个样本将有200行)。 我知道有像model_selection.train_test_split()和utils.resample()这样的函数，但这些函数只将数据集分成两个样本。 我是否首先需要生成一个随机数列表，在这种情况下是1000个随机数的列表(例如从1到1000)，然后取数据集中对应的索引，其中1到200是第一个随机样本，201到400是第二个随机样本，401到600是第三个随机样本，等等。 或者，在Python中有没有什么函数可以让我使用(让我的生活更轻松)？
浏览 51提问于2020-04-14得票数 0
回答已采纳
4回答
自举过程
、
我编写这个VBA代码是作为一个引导过程(不幸的是，R函数不允许提取每一个重放序列，所以我不得不使用Excel和rnd)：
Sub bootstrap()
Dim i, j, k, l, m, n As Integer
l = 9
For l = 9 To 508
For j = 5 To 4040
Randomize
k = Int((4040 - 5 + 1) * Rnd + 5)
Cells(j, l + 1).Value = Cells(k, 9).Value
Next
Columns(l + 2).Ins
浏览 0提问于2017-10-18得票数 3
1回答
自举配对数据
、、、
我需要引导一个由配对二进制数据计算的相对效果估计，而我不知道如何做到这一点。下面是示例数据集：
# Create test data
n <- 1000
treated <- rbinom(n, 1, 0.7)
control <- rbinom(n, 1, 0.5)
data <- cbind(treated, control)
# How to calculate relative effect
(sum(treated)-sum(control))/sum(control)*100
因此，我应该从数据集中抽取N个随机样本，这样行向对将被守恒，计算每个样
浏览 5提问于2022-02-09得票数 0
我想从标准正态分布中生成1000个大小为25的样本，计算每个样本的方差，并创建直方图。我有以下几点： samples = replicate(1000, rnorm(25,0,1), simplify=FALSE)
hist(sapply(samples, var)) 然后，我想从这1000个样本中随机选择一个样本，并从该样本中提取1000个引导程序。然后计算每个变量的方差，并绘制直方图。到目前为止，我已经做到了： sub.sample = sample(samples, 1) 这就是我被卡住的地方，我知道这里需要一个for循环来引导，所以我有： rep.boot2 <- numeri
浏览 21提问于2019-03-01得票数 0
回答已采纳
1回答
整数划分的共轭
、、
从n的所有分区的集合中随机选择的整数分区的共轭也是均匀随机样本吗？我的结果是肯定的，这是令人鼓舞的，因为它可以快速生成长度为s的n个随机分区，但我无法解释为什么应该或不应该这样。
顺便说一下，我的结果是基于1的。)生成特定长度的小n (<70)的所有分区2。)计算每个分区的方差作为宏观状态描述符和3)。将整个可行集合(长度为s的n个分区的所有分区)上的方差的核密度曲线与较小的随机样本(即小于500个随机生成的n个分区，其长度与s匹配或其共轭长度与s匹配)进行比较。随机样本的核密度曲线与整个可行集(即n个匹配s的所有分区)的曲线紧密匹配。这直观地说明了随机样本，其中大多数是共轭分区，捕获了
浏览 2提问于2012-05-01得票数 1
回答已采纳
我想做一个分层随机样本的面板数据。该怎么做呢？
例子:最相似的情况是数据集枪，包括在AER包"R“。它有51个州，在23年中有13个变量。在这里，有两种情况：
如何制作40个州的分层随机样本？如何使size=40状态的随机样本成为一个随机样本？
我试过用这个：
set.seed(2)
samp1=strata(Guns, ("levels(Guns$state)"), size=c(40), method = "srswor")
但是返回一个错误：
Error in strata(Guns, (levels(Guns$state)), size = c
浏览 3提问于2021-02-12得票数 0
2回答
组合随机样本
、、、、
我有一组元素U (最初未知大小)，我想要生成n个随机样本的n个<< \，，U，，的元素。流取样对此很好。
当我将U细分为几个子集并对每个子集进行随机抽样(每个样本包含k个<= n元素，但通常为k= n)时，问题就出现了。我还知道每个子集中有多少个元素。我想知道如何将这些样本(最好一次合并两个样本)合并成一个大小的n个样本。
或者换一种方法，给出不同的集合( A和B )和随机示例( a和b )，使c<code>E 215</code>⊆</code>E 116</code>A<code>E 217</code&g
浏览 4提问于2012-09-06得票数 5
1回答
双曲面的样本点
、、、
双曲面有这个公式
-x^2/a^2 - y^2/b^2 + z^2/c^2 = 1。
如何在Python中从这个双曲面生成示例？(比方说，用a=b=c=1。)
我想取0,1中的随机x和y，然后填写z值，使公式等于1，但是这不能使样本均匀。有更好的办法吗？
浏览 3提问于2021-03-21得票数 1
回答已采纳
让我们假设我们有一个序列s:=('a','b','c','d','e')。我想从这个序列中返回一个由三个项目组成的随机样本。如何在Marklogic中做到这一点？注意:我使用的序列是一个示例。我要处理的是大序列。
浏览 9提问于2016-08-13得票数 2
回答已采纳
1回答
我有一个包含27个样本的数据帧，分成3层。我想重复500次加权平均值，其中平均值是在随机选择的3个地层样本中计算的，权重是地层的相对面积。
我的想法是为每一层创建一个选择循环，并计算平均值。我可以计算选择的简单平均值，但不能计算加权平均值(我不知道如何同时提取权重和值)：
#data
DF<-data.frame(v= c(16,42,63,15,42,63,85,16,43),
s= c(1,3,2,2,1,3,3,1,2),
w=c(0.2,0.5,0.3,0.3,0.2,0.5,0.5,0.2,0.3),
浏览 9提问于2018-02-28得票数 0
回答已采纳
我不是一个专业的统计学家，但目前我是一个统计学入门课程的讲师，该课程在每周的计算机实验室教程中使用SPSS24。
在今天早上的实验室里，我给实验室里的大约20个学生分发了一个数据文件。数据文件包含了50,000多个案例；我指示他们随机抽取500个案例，然后回答有关它的各种问题。(我们的想法是，每个学生都有自己的样本可用。)为了获得他们的示例，我按照这里的说明进行操作：
然而，很明显，几个学生将获得相同的数据样本-这表明样本并不像我希望的那样是随机的。(当我以前使用Minitab教授相同的课程时，我没有这个问题。)我需要告诉学生什么才能让他们获得真正的随机样本？
浏览 0提问于2017-09-19得票数 2
1回答
我有一个人工注释(又称“金本位”)文档的语料库和一个NLP系统注释的集合。我想对系统和金本位做一个自举抽样，以逼近各种度量的均值和标准误差，这样我就可以使用可能的ANOVA进行一系列假设测试。
问题是我该怎么做抽样。我在语料库中有40份文件，金本位中有~44K手工注释。我正在考虑把每一份文件作为一个抽样单元，并为每个样本提取60%的文档(或每个样本24份文档)。但是，问题是每个手动注释的文档都没有相同数量的注释，因此违反了对每个示例使用相同的样本大小。
对于如何实现这个引导，有什么建议吗？
浏览 0提问于2020-06-26得票数 1
2回答
随机森林自举训练与森林生成
、、、、
我有一个庞大的随机森林训练数据(dim: 47600811*9)。我想要获取维度10000*9的多个(例如1000个)引导样本(每次运行中取9000个负类和1000个正类数据点)，并迭代地为所有这些树生成树，然后将所有这些树合并到一个林中。下面给出了所需代码的大致概念。有没有人能引导我如何从实际的trainData中用替换来生成随机样本，以及如何迭代地为它们生成树？会有很大帮助的。谢谢
library(doSNOW)
library(randomForest)
cl <- makeCluster(8)
registerDoSNOW(cl)
for (i=1:1000){
B <-
浏览 3提问于2016-09-14得票数 1
回答已采纳
1回答
我正在写一个代码，需要统一生成随机数的几个给定的不同的任务。例如，考虑以下内容：
p = [0,1,2,3]
wt = [0.1,0.7,0.2,0.5]
random.seed = inputseed
random.choices(population=p, weights=wt)
所有任务的种子都是固定的。
我是否需要为每个任务创建单独的随机生成器，以便这些任务的样本独立于其他任务是一致随机的？如下所示：
rgen = random.Random(inputseed)
rgen.choices(population=p, weights=wt)
在多个逻辑任务和多线程环境中使用random
浏览 0提问于2020-09-23得票数 0
我是随机抽样的，不需要替换由单个列组成的数据框架。此列包含重复的数值。
我正在使用dplyr来完成这个任务。我需要抽样的数据如下所示：
testSO <- data.frame(ToSample = c(round(runif(100, min=1, max=3),0)))
我使用下面的代码随机抽样15行：
MyRandomSample <- testSO %>%
slice_sample(n=15, replace = FALSE)
在选择这15个样本时，是否有直接方法从testSO中分别删除它们？实际上，slice_sample是在幕后完成这个任务的。我无法找到用于创建行
浏览 3提问于2020-12-03得票数 0
回答已采纳
5回答
您可能知道，random.sample(population,sample_size)会快速返回一个随机样本，但是如果您事先不知道样本的大小，该怎么办？你最终会对整个人群进行抽样，或者对其进行洗牌，这是相同的。但这可能是浪费的(如果大多数样本大小与总体大小相比较小)，甚至是不可行的(如果总体大小很大，内存不足)。另外，如果您的代码需要在选择示例的下一个元素之前从这里跳到那里，该怎么办？
附注:在为开发时，我遇到了优化随机样本的需求。在我的代码中，采样被重新启动了数十万次，每次我都不知道我需要选择1个元素还是100%的population元素。
浏览 0提问于2015-05-06得票数 3
3回答
有一个程序需要从分布在[1, 500]中的1000个随机生成的数字中获取100个样本。如何从输出中获得随机样本？
我写了以下文章：
N = 1000
x = 1 + 500 * np.random.rand(N)
sp_x = random.sample(x, 100)
我收到了一个错误：
TypeError: Population must be a sequence or set. For dicts, use list(d).
浏览 5提问于2021-05-13得票数 6
回答已采纳
1回答
我想在我的项目中从HeatMap中创建一个随机值，即1x3的RGB向量，对于我选择随机颜色应该采用什么样的方法，但是我创建的是RGB的颜色向量，根据什么条件我可以使用RGB的颜色创建一个HeatMap样本，我目前只需要10到15种颜色。在Matlab中创建HeatMap场景的建议是什么？
Red = [1 0 0]
Yellow = [1 1 0]
Green = [0 0.5 0]
Cyan = [0 0.5 0.5]
Blue = [0 0 1]
浏览 1提问于2014-04-21得票数 0
回答已采纳
1回答
我相信，在随机森林中，我们选择随机样本的训练数据进行替换。我的问题是，我们仍有可能遗漏一些数据。那是怎么回事。它不影响随机森林训练吗？我们是否会在某个时候使用遗留下来的东西。
浏览 0提问于2019-04-26得票数 3
我想从大量的N个样本中创建n个样本的子集，n << N，我通常在Matlab中使用随机的from函数并取前n个指数。然而，由于数据可能很大，随机给我的错误信息，内存不足。
我想提出一些建议，如何在不使用Matlab中的随机函数的情况下，从大量的数据集中选择一个小子集。
谢谢。
浏览 1提问于2014-11-02得票数 2
回答已采纳
在SciKit学习随机森林分类器的文献中，指出：
子样本大小总是与原始输入样本大小相同，但是如果是bootstrap=True (默认)，则用替换的方式绘制样本。
我不明白的是，如果样本的大小总是和输入的样本大小相同，我们怎么能谈论随机选择。这里没有选择，因为我们在每次培训中都使用所有的样本(当然也是相同的)。
我是不是漏掉了什么？
浏览 4提问于2016-03-06得票数 6
回答已采纳
1回答
EDITED2 :精确的问题重新制定.编辑:代码中的错误：
我想产生1000个样本的10个独立的随机变量(这里高斯)。
这两个等价的数学观点(10个随机变量之间的独立)。
直接：1000个随机变量样本。
import numpy as np
np.random.seed(123)
x= np.random.normal(0,1 (10, 1000))
带循环的：通过样本生成10个随机变量的向量。
import numpy as np
np.random.seed(123)
for(i in range(0,1000)):
x[:,i]= np.random.normal(0,1,
浏览 3提问于2016-01-08得票数 2
回答已采纳
我正在尝试理解scipy.stats中的随机变量。我可以从一个均匀的随机变量中采样： from scipy.stats import uniform
print(uniform.rvs(size=1000)) 但是怎样才能得到一个随机变量，其中0.5概率样本来自0..1，0.5 prob样本来自5..6 我可以编写一个循环，在0到1之间选择一个随机数。如果它是< .5，那么在0到1之间选择一个随机数。如果它是>= .5，在0到1之间选择一个随机数并加上5。但我真的希望能够这样调用它： mixed_uniform.rvs(size=1000) 我还需要使用这个混合发行版的survi
浏览 20提问于2019-07-02得票数 1
回答已采纳
2回答
我正在寻找可能的方式随机抽样在PostgreSQL。我找到了几种方法来实现这一点，有不同的优点和缺点。这样做的天真方式是：
select * from Table_Name
order by random()
limit 10;
另一个更快的方法是：
select * from Table_Name
WHERE random() <= 0.01
order by random()
limit 10;
(尽管0.01取决于表大小和样本大小，但这只是一个例子。)
在这两个查询中，为每一行生成一个随机数，并根据这些随机生成的数字进行排序。然后在排序的数字中，选择前10作为最终结果，所以我认为这
浏览 0提问于2015-03-30得票数 4
回答已采纳
3回答
从逻辑分布生成样本
、、、
我正在编写一些统计代码，并探索从随机分布创建样本的不同方法-从生成从0到1的统一浮点值的随机数生成器开始
我知道，通过将足够多的独立的、相同分布的均匀随机变量(由)相加在一起，可以从生成近似样本。
有没有可能做一些类似于从创建样本的事情？我假设要添加的样本需要以某种方式加权或相关，以避免以正常结果结束。
另外，我也意识到可能有更有效的方法来生成随机样本，我之所以提出这个问题，是因为我更感兴趣的是了解这样的生成器是如何工作的，而不是效率……
浏览 0提问于2010-10-18得票数 4
回答已采纳
如何转换二进制数据
1 0 1 1 0 0 0
0 1 0 1 0 1 1
1 1 1 0 1 0 1
到这种格式的数据：
1 0.95 2 0.32 3 0.89 4 0.97 5 0.11 6 0.20 7 0.31
1 0.11 2 0.92 3 0.34 4 0.94 5 0.21 6 0.90 7 0.81
1 0.97 2 0.82 3 0.89 4 0.17 5 0.96 6 0.13 7 0.91
使：每个值以两位数表示：
1-整数表示其位置，以及
2-如果原始值=1，则从0.70 to 0.99随机给出浮点数，
浏览 2提问于2015-05-16得票数 0
回答已采纳
目前，我正试图弄清楚如何从多个文件夹中取样多个音频文件(50+的样本大小)，以便最终用于训练模型。很明显，手工完成这个任务非常繁琐，所以我想找出如何编写一个脚本来完成这个任务：
import os
import sys
from pathlib import Path
import random
wav_pathlist = Path(src_dir).glob('**/*.wav')
lab_pathlist = Path(src_dir).glob('**/*.lab')
random_wav_list = []
for i in range(1, i
浏览 1提问于2021-07-07得票数 0
1回答
试图做一个自举方差的估计在R和有一个困难的时间。本质上，我试图从一个更大的数据集中提取50行随机行，然后，从这50行中，用20的样本大小来引导1000次特定的估计器(公式)，然后从那里计算估计器之间的方差。我的密码在下面。我很迷茫。
vector = d()
bootstraprows <- data[sample(nrow(data), 50), ]
for (i:100){
i <- sample(nrow(bootstraprows), size=20, replace=T)
c <- (sum(i$mpg*i$weight))/(sum((i$weight)^2))
浏览 0提问于2018-02-16得票数 1
回答已采纳
1回答
我尝试用(a+(b-a)*R)产生离散的均匀随机数，其中R是随机样本，它是由线性同余法产生的。但我仍然对D统一数的创建有疑问。请给我离散均匀随机数的完美公式？
浏览 2提问于2014-04-07得票数 0
4回答
我的目标是使用中的parMap并行化计算，但我也想在采样函数中添加一点随机性。
如果没有随机性，我的计算就是一些简单的数字运算，所以它是纯粹的，我可以使用parMap。为了得到好的结果，我需要在每一步取多个样本，并对结果进行平均。抽样需要随机化。
一种解决方案可能是使用，调用randoms，然后在计算期间使用该列表(通过将纯惰性列表传递给计算，我将使其保持纯)。不幸的是，这是一个非常慢的随机数生成器，我需要很多随机数，所以我更喜欢使用或 (尽管，我不认为mersenne-random仍然保持)。
使用像unsafePerformIO这样的东西和mwc-random来编写像randoms这样的函
浏览 1提问于2013-04-27得票数 17
回答已采纳
2回答
根据我从不同来源读到的资料，有人说蒙特卡罗方法就像是随机抽取样本，然后测试不同的解决方案，然后选择最佳解决方案。我并不完全理解这在实际的人工智能中是如何工作的。你能给我举个简单的例子吗？它是如何有效的？是否有可能将其与其他现有算法并行使用，专门用于非确定性游戏AIs？
浏览 1提问于2011-12-12得票数 1
是否可以从.Rdata对象或存储在磁盘上的任何其他大型数据对象中提取引导示例？我目前从非常大的数据中采样的方法是构建一个本地MySQL数据库，然后使用SQL将随机样本抽取到R中。不幸的是，MySQL中的采样和排序根本不有效。我想知道是否有人为这个用例设计了一个更好的解决方案。
要了解我当前的解决方案，请参阅MySQL：中有关抽样的问题
浏览 2提问于2014-08-07得票数 0
回答已采纳
2回答
我很难从一组中随机抽取一列。我有300多列，500多行。我试图从前15列中抽取1列，然后从下一15移到样本1列，等等.直到没有更多的。
对于基本的第一个示例，我使用了：
sample(DATA[,1:15],1)
但它只输出一个数字。如果我将我的大小更改为535 (行数)，它将从列1:15中获取总计535个随机数。
我引用了下面的链接，该链接有一些相似的基础，但我尝试过的、似乎无法工作的答案是公认的答案：
有什么建议吗？
浏览 2提问于2017-03-21得票数 0
回答已采纳
1回答
如果我将整个可用培训数据的子集用于模型优化和超级参数选择，那么是否应该将最终模型与子集培训数据集或整个可用的培训数据相匹配？例如，如果我有1万个可用的样本，并且我将一个100 K的随机样本作为测试保留，而200 K的随机样本作为模型调优的训练数据集，那么用于在1) 200 K训练数据集上拟合最终模型的调优超级参数，还是2) 900 K可用数据(不包括测试保留)？换句话说，超参数可以推广到整个种群吗？
我假设持久化数据集和训练数据集都是随机选择的，并遵循原始数据中的类分布。
浏览 0提问于2020-06-24得票数 0
回答已采纳
我跟着，兰伯特的余弦定律是通过在单位球体表面随机点并向这个方向发射射线来模拟的。
作者使用一种简单的拒绝方法来生成球面上的随机点。因为我已经在使用GLM，所以我认为我会很聪明，并且使用glm::sphericalRand()而不是自己来完成工作。然后，我决定看看这些点实际上是如何均匀分布的，并绘制了它们相对于y方向的正常面的角度：
float buckets[200] = {};
std::srand(time(0)); // Give glm a new seed
for (int i = 0; i < 10000000; i++) {
const glm::vec3 no
浏览 6提问于2022-02-17得票数 0
1回答
我的问题是表演问题：
我想要填充一个N数组，其中N从2. 10；
这些值必须来自字母表a，b，c，这些都是整数；
目标是用该字母表生成这些数组的所有可用排列的样本。
我想要生成500万种不同的独特阵列。对于任意的N，如果(N< 4)，我想生成所有它们，因为有43046721个唯一的组合。
我的尝试，我已经尝试过解决这个问题的方法有很多种：
将矩阵表示为三元数(它实际上是)。基本上，我传递一个整数，并将它转换为它的三元表示(慢得像地狱一样)，对模块/除法进行转换。
我也尝试过，通过改变我所使用的索引的字母表创建一个arrayNxN和递归循环，这将生成所有的矩阵，而当N是
浏览 2提问于2016-12-21得票数 0
4回答
在R中，我想生成一个离散随机变量的随机样本：X，其中：P(X=a)=P(X=-a)=1/2。我一直在网上搜索一个函数，但似乎没有直接的功能。
浏览 10提问于2014-04-04得票数 16
回答已采纳
假设我随机选取了一个数字1，2，3，我记录了它们在我这样做的10次中被挑选了多少次。在这个实验之后，把这些数字的百分比记录下来，在这10个随机产生的样本中，我想随机选择一个数字，但是这一次有我从最初的过程中注意到的百分比的权重。
例如，如果3被选中了20%，那么随机生成器工具就会考虑它20%的次数，而不是对每个数字1、2和3进行等量的33%。
我所缺少的是，如果有任何方法(无论是在Excel或Google中)给这个百分比的“权重”随机挑选。
浏览 9提问于2022-06-28得票数 1
回答已采纳
本质上，我试图做的是从列表中随机选择项目，同时保持内部分布。请参见以下示例。
a = 17%
b = 12%
c = 4%
etc.
"a“在列表中有1700个项目。"b“在列表中有1200个项目。"c“在列表中有400个项目。
我想要一个模拟a，b，c等分布的样本，而不是使用所有的信息。
所以最终的目标是，
170从"a“中随机选择的项目120从"b”中随机选择的项目40从"c“中随机选择的项目
我知道如何从列表中随机选择信息，但我还不能弄清楚如何在随机选择的同时强制结果具有相同的分布。
浏览 2提问于2017-04-04得票数 3
似乎如果它是相同的分布，从numpy.random中随机抽取样本比从scipy.stats.-.rvs中抽取样本更快。我想知道是什么原因造成了两者之间的速度差异？
浏览 2提问于2010-10-23得票数 14
回答已采纳
2回答
我尝试在MNIST手写体数字数据集(包括60K训练样本)上训练一个FeedForward神经网络。
我每次都在上迭代所有的训练样本()，在每个时期对每个这样的样本执行。运行时当然太长了。
是我运行的名为梯度下降的算法。
我读到，对于大型数据集，使用随机梯度下降可以显着地改善运行时。
为了使用随机梯度下降，我应该做什么？我是否应该随机选择训练样本，对每个随机抽取的样本执行Backpropagation，而不是我目前使用的历次？
浏览 6提问于2016-02-29得票数 6
回答已采纳
1回答
我有一个3*3的网格。我有一个9个字母的单词，我必须在网格中随机排列。这种安排应使网格中有一条有效路径，该路径按顺序覆盖单词。网格中的有效移动是:上、下、左、右、对角。不能再次访问相同的元素。
请你指出正确的方向好吗？我只想知道在这种情况下我应该使用什么算法？
抱歉我之前没说清楚。我所说的随机排列，意思是这条路不应该固定。
如果我有这个词，一个样本路径可以是:x，B，U，Z，我选择的任何安排，每次都应该是不同的。
浏览 0提问于2017-10-14得票数 0
回答已采纳
1回答
我有一个有n行的矩阵M，我有一个n维列向量P，它包含M的每一行的包含概率。注意，每一行的概率可能是不同的，而且它们不会加到每一行上。我想要有效地采样M的行，方法是(独立地)在样本中包含每一行M_i和概率P_i。注意，我不需要抽样矩阵是特定大小的k，我只需要根据其包含概率随机选择每一行。
我已经做了相当多的搜索，我知道随机样本和数据样本，但这些都没有完全做到我想要的。这种类型的抽样有内置功能吗？如果没有，在Matlab中实现这一目标的最有效方法是什么？
浏览 3提问于2014-07-07得票数 0
回答已采纳
1回答
我在Matlab中编写代码时遇到了这个问题，我希望有人知道如何解决这个问题。
总结:问题是我有几个不同的金融投资组合(1070个投资组合)，我需要对每个投资组合运行回归。然后使用第一次回归的残差，我想引导这些残差(获得大约1000个自举残差样本)，但每个单独的投资组合。这是因为我不能混合来自不同投资组合的残差。
详细地说:我有一个向量告诉我投资组合的数字，这是一个随机数字，但对于特定的投资组合是唯一的。然后我将投资组合的回报收集到一个长向量中(14k观察值)，所以我需要做的是某种“滚动窗口”OLS回归，只回归与单个投资组合对应的数据，提取常量和betas并保存这些数据，然后对所有不同的投资组合
浏览 0提问于2011-06-08得票数 2
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
