我有n维数据A和B的两个子集，我想知道B中的每个样本周围A的样本密度。包含3个维度的5个样本的示例数据集 [-1.35144799, -1.455075180.68373997],我试着做了以下事情
from sc
浏览 54提问于2020-03-02得票数 2
我有一个二维数组的值，我想要执行一个高斯KDE，有一个陷阱:点被假定有不同的差异。为此，我有第二个二维数组(具有相同的形状)，这是用于每个点的高斯方差。]])我在寻找两件事中的一件：
一个高斯KDE求解器，它将允许每
浏览 1提问于2015-01-26得票数 2
回答已采纳
1回答
我试图估计数据集在某些点上的密度，使用scipy。from scipy.stats import gaussian_kde我有一个三维点的A数据集(这只是一个很小的例子。我的实际数据有更多的尺寸和更多的样本) [0.65990129, 0.13
浏览 4提问于2020-09-09得票数 2
回答已采纳
1回答
我熟悉通常的核密度估计(KDE)，其中使用单个带宽值为每个采样点生成多变量(通常为高斯)函数。然后，通过对所有样本点的高斯函数求和，得到最终的KDE。假设我有N个样本点(假设在1维中)，每个样本点都有一个误差估计，例如：errors = [0.02, 0.03, 0.05, 0.01, 0.03, 0.01, 0.07]
我想要
浏览 1提问于2015-02-05得票数 4
我试图用随机产生的协方差矩阵定义多元高斯分布：
# Generate randomUsers/soumith/mc3build/conda-bld/pytorch_1549597882250/work/aten/src/TH/generic/THTensorLapack.cpp:658中的RuntimeError: Lap
浏览 0提问于2019-09-30得票数 4
回答已采纳
我有一个浮子向量，我想用两个高斯核来拟合高斯混合模型：gmm.fit(values编辑： kde = pickle.load(f)
gmm.fit(kde</e
浏览 3提问于2014-05-12得票数 23
回答已采纳
我生成了一个二维高斯分布(不相关数据)我计算了协方差矩阵除以带宽因子，因为协方差属性是数据集的协方差矩阵，由计算的带宽(kde.factor) ()缩放。from scipy.stats import kde
# Use a kernel
浏览 6提问于2021-04-16得票数 1
回答已采纳
我感兴趣的是使用点的样本来构造KDE，然后使用该KDE重新采样点。scipy.stats.gaussian_kde提供了一个非常简单的方法来实现这一点。例如，从高斯分布中采样：from scipy.stats import gaussian_kde, norm
sampled = np.random.normal这让我可以使用交叉验证来估计最优带宽，如果您试图近似的底层pdf不是单峰的
浏览 2提问于2018-05-25得票数 5
我有一些2D数据，我正在使用这些数据进行平滑：kde = gaussian_kde(data)
但是如果我的数据不是高斯/tophat我的在平滑之前看起来更像椭圆，所以我真的应该在x和y上有一个不同的带宽吗？一个方向的方差更大，x轴的值也更高，所以感觉简单的<e
浏览 4提问于2021-03-30得票数 0
1回答
根据随机变量值的样本，我使用核密度估计来创建累积密度函数。我需要的是生成随机变量的样本值，它的密度函数等于构造的cdf。我知道反演概率分布函数的方法，但由于我不能无故地做，所以需要相当复杂的准备工作。是否有完整的解决方案或另一种方式来完成任务？
浏览 2提问于2016-06-11得票数 1
回答已采纳
2回答
高斯核有一个超参数$\sigma$。我知道grid搜索交叉验证，但是这需要大量的计算，因为核方法的计算成本随着样本数的增加而增加到2的幂。
浏览 0提问于2018-05-16得票数 1
回答已采纳
1回答
我的代码到目前为止，我对编程非常陌生，并且已经尝试了一段时间。在这里，我将Box-Muller transform应用于从random uniform采样开始的大约两个Gaussian normal distributions。然后，我为它们创建了一个直方图。现在，我想将获得的直方图与“真正的东西”进行比较:一个标准的Bell curve。如何绘制这样的曲线来匹配直方图？import numpy as np
N</
浏览 32提问于2020-01-15得票数 2
回答已采纳
1回答
我一直试图得到一个30x30阵列的核心密度估计值。下面是一个简短的例子，y = arange(-0.5,0.51,1/29.)KDE2 = KDE(vec)ValueEr
浏览 0提问于2014-01-13得票数 3
回答已采纳
1回答
有什么统计方法可以在数据到达时间时估计数据的概率密度？
我需要估计多元数据集的pdf；然而，随着时间的推移，新的数据到达，当数据到达时，密度估计必须更新。到目前为止，我使用的是内核估计，方法是存储数据的缓冲区，并在每次更新新数据时计算新的内核密度估计；但是，我无法再跟上需要存储的数据量。因此，我需要一种方法来跟
浏览 1提问于2015-01-12得票数 1
回答已采纳
1回答
因子分析
、、、、
我正在尝试使用scikit的因子分析对一些金融数据，以找到贝塔在一个模型中使用。FA有一个叫做n_components和容限的参数。我很难理解这些变量是如何影响结果的。我是机器学习的新手，不是一个统计向导。有人能解释一下这些对算法输出的影响吗？
浏览 2提问于2017-07-25得票数 1
回答已采纳
我尝试用JavaScript函数表示，给出了用高斯方法求解线性方程组的步骤。到目前为止，我所得到的(只有一小部分高斯消去法，构造前导零点)：gaussMethod= mtx.length;
for (k = i + 1; k < n; k++) {
浏览 0提问于2019-11-30得票数 0
0回答
更改海运配线的颜色
、、、、
我想为x和y数据数组指定seaborn包中fit行的颜色。相反，我所能想到的就是如何改变核密度函数的颜色和阴影。如何将颜色更改为高斯拟合？即下面的线条应该是红色和蓝色的。在函数中添加阴影也是很棒的，比如"shade":True参数。import seaborn as sns
sns.distplot(x,kde_kws={"shade":True}, kde=False, fi
浏览 5提问于2017-12-05得票数 2
回答已采纳
我读了几篇关于一维阵列聚类的文章，其中有人说聚类不适合一维阵列，应该使用核密度估计。然而，没有人解释如何使用kde准确地执行聚类，如何检索输入数据的聚类标签？在scikit-learn中，我得到了单变量(一维)数据的核密度估计。我在考虑两种可能的方法: a)使用kde为一些聚类估计器(例如kmeans)获取新的2D输入数据。我想以直方图(值，频率)的</e
浏览 3提问于2016-06-14得票数 0
我需要代码来做2D内核密度估计(KDE)，而且我发现SciPy实现太慢了。所以，我写了一个基于FFT的实现，但是有几件事情让我感到困惑。( FFT实现还强制执行周期性边界条件，这正是我想要的。)该实现基于从样本创建一个简单的直方图，然后将其转换为一个高斯。下面的代码可以这样做，并将其与SciPy结果进行比较。Not sure why fftshift is neeed:etim
浏览 2提问于2013-09-20得票数 5
回答已采纳
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
