gaussian

1熱度

1回答

我有一個var temp，比如temp = 100。我想要做的是生成8個數據點。這8點顯示如圖所示。它看起來像正態分佈，但我想在這些點上添加很多隨機值，以便它們看起來不像完美的正態分佈。最終數據（曲線下方的面積）應爲，總計爲溫度。有人可能會建議如何在Python中輕鬆整齊地做到這一點嗎？我試圖在numpy/matplot中使用分佈函數。但是，我想知道如何得到像圖中所示的8點（x = 0,1,2,

1熱度

1回答

獲得高斯過程模型置信界限在Python GPY

我使用calcualted高斯過程模型在Python GPY： ker0 = GPy.kern.Bias(input_dim=1,variance=1e-2) ... m = GPy.models.GPRegression(x, y, ker0+ker2) 我可以 m.plot() plt.show 繪製，並將其可視化的分，樣條和置信限度。現在我想提取參數和置信限以在另一個圖中使用數

-1熱度

1回答

如何合併或合併錯誤率？

比方說，我有一個數據集有9個連續的數據列和4個分類數據列。在Matlab中，我的列分成兩組並在其上做訓練/測試（樸素貝葉斯）分開，並確定該連續列具有0.45錯誤率和分類列具有一個錯誤0.33。我的問題是 - 我如何確定組合錯誤？ EDIT - 簡單的僞代碼概述加入： for x = 1:num_iterations Mdl_NB1 = fitcnb(TrainingSet_Con,Tra

4熱度

1回答

在Python中實現離散高斯內核？

我期待實施Lindeberg在其關於尺度空間理論的工作中定義的discrete Gaussian kernel。它被定義爲T（n，t）= exp（-t）* I_n（t），其中I_n是modified Bessel function of the first kind。我想在Python中使用Numpy和Scipy實現這一點，但我遇到了一些麻煩。 def discrete_gaussian_ker

0熱度

1回答

擬合半高斯曲線/標準化的數據點

所以我有數據，我可以在散點圖中繪製的兩份名單，因爲這樣的： from matplotlib import pyplot as plt x = [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20] y = [22.4155688819,22.3936180362,22.3177538001,22.1924849792,21.77211945

0熱度

1回答

繪製高斯卷積圖

我正在撰寫關於SIFT算法的研究論文，並且我想在描述離散過程之前創建一個圖形以幫助解釋連續函數環境中高斯模糊的概念。我想要創建的圖形是一個標準高斯卷積與正弦函數的圖形。我可以繪製高斯曲線，我可以繪製正弦曲線，但我不知道如何繪製它們的卷積曲線。我不知道如何計算它們的卷積來繪製它，並且我不知道任何允許我在圖中使用卷積算子的軟件。我對tikz和gnuplot很熟悉，但我不知道如何與他們中的任何一個做這個

0熱度

1回答

潛在變量與高斯混合模型來推算缺失的數據

我目前正試圖通過高斯混合模型來推測缺失的數據。我的參考文獻是從這裏： http://mlg.eng.cam.ac.uk/zoubin/papers/nips93.pdf 我目前專注於具有2高斯分量的雙變量數據集。這是定義的權重爲每個高斯分量代碼： myData = faithful[,1:2]; # the data matrix for (i in (1:N)) { prob1

1熱度

1回答

密度（）內核估計器與計算相比的差異

我試圖計算高斯核密度，並且爲了測試我對density()函數的瞭解，我決定從頭計算並比較兩個結果。但是，他們沒有提供相同的答案。我開始與現有的數據集 xi <- mtcars$mpg ，可以繪製該數據的內核密度，如下 plot(density(xi, kernel = "gaussian")) 提供這個... 然後我抓住一些d從這個計算來看，這樣我的計算是一致的。 auto.dens

2熱度

1回答

GaussianMixture sklearn開始先驗

我有一個混合模型： gm = mixture.GaussianMixture( n_components=3, covariance_type="tied", weights_init=[w1,w2,w3], means_init=[m1,m2,m3], random_state=0).fit(datas) 但是，集

0熱度

1回答

從matlab中的gmdistribution中獲取混音和權重

從我所知道的，MATLAB 2016a沒有辦法從gmdistribution對象中獲得混音和權重。那是對的嗎？看起來很奇怪，構造函數調用權重，但沒有屬性或方法存在再次提取它們。換句話說： myGM = gmdistribution（means，covariances，weights）; myWeights = myGM。（???）我在這裏丟失了什麼嗎？我討厭定義一個新類來添加一個權重屬性。