对于这个愚蠢的问题，我很抱歉，但我现在正在尝试从一组2d数据中估计一个密度。让我们假设我的数据是由数组sample = np.random.uniform(0,1,size=(50,2))提供的。我只想使用scipys scikit learn包来估计样本数组中的密度(这里当然是2d均匀密度)，我尝试了以下方法：from sklearn.neighbors.k
浏览 31提问于2017-01-11得票数 10
回答已采纳
1回答
从现有数据的分布中提取缺失值
、、、、
缺失值是数据分析中常见的问题。一种常见的策略似乎是用从现有值的分布中随机抽样的值来代替缺少的值。
是否有Python库代码可以方便地在数据帧上执行此预处理步骤？据我所见，模块不提供这种策略。
浏览 8提问于2016-11-22得票数 4
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，然后将数据拟合到结果dist中，
浏览 3提问于2015-10-16得票数 8
2回答
在python中，有几种做核密度估计的方法，我想知道它们之间的差异，并做出一个很好的选择。它们是：
我只有使用sklearn.n
浏览 3提问于2016-02-24得票数 0
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踪整个pdf/密度
浏览 1提问于2015-01-12得票数 1
回答已采纳
1回答
这在一维中工作得很好，但我不能让它在2D中工作。返回日志值)我在sklearn chat (通过ep)上被告知，在用scipy计算内核之前，我应该缩放(x,y)中的值，以便获得与<
浏览 2提问于2014-01-08得票数 7
回答已采纳
1回答
我想知道如何使用CUDA或OpenCL来加速Python块匹配算法，因为这样的算法应该是高度可并行化的。目前，我的算法的工作原理如下： For blocks B2_j (in the neighborhood of B1，我需要使用一些特定的函数，比如使用scikit-learn的内核密度估计，所以这部分最好用<e
浏览 0提问于2015-09-17得票数 0
当我使用scipy进行内核密度估计时，带宽似乎是整个数据集的一个固定值，尽管我可以自己设置它的值。self.scotts_factor顺便说一句，我已经检查了sklearn中的代码来进行内核密度估计，代码如下所示：
kde = KernelDensity(kernel='
浏览 9提问于2022-10-25得票数 1
1回答
似乎有大量的信息和工具可用于实现标准的多元或单变量核密度估计。然而，我目前使用的离散地理数据特别稀少，而且倾向于聚集在人口密度高的地区。也就是说，我在地图上有一些点(经度和纬度)，我想估计给定点的概率密度，但我需要对人口密度进行某种程度的正常化。从四周看，似乎解决这类问题的适当方法是为核估计实现某种最近邻自适应带宽。是否有人知道我如何能够自己实现这一点，或者是否有任何可用于自适应带
浏览 8提问于2015-07-17得票数 9
1回答
我使用的是内核密度估计(KDE) ()的SciPy实现，到目前为止它工作得很好。但是，我现在想要获得KDE在特定点处的梯度。
我已经查看了该库的Python源代码，但还不能确定如何轻松地实现此功能。有没有人知道这样做的方法？
浏览 0提问于2014-10-13得票数 2
1回答
数据中的每个记录都是一天中特定的时间。为了把它聚在一起，我把数据投影到半径为1的圆上。现在我需要在这些数据中找到集群。簇的数目是未知的，人们更倾向于在它们中找到记录密度高的簇。所谓密度，我的意思是说，大量的记录应该包装在一个小的空间。
我应该如何在上述数据中找到集群呢？
浏览 0提问于2018-06-16得票数 1
我在scikit中找到了内核密度估计的一个实现--学习如下：kde = KernelDensity(bandwidth=1.0, kernel='gaussian')logprob = kde.score_samples(x_d[:, None])
问题是我想用自动微分来取logprobw.r.t的导数。是否有任何KDE
浏览 7提问于2021-10-11得票数 3
1回答
我有一个列表的纬度和经度坐标和各自收到的信号强度值在每个坐标。我将如何为python(matplotlib)中的每个lat-lon绘制这些信号强度的核密度估计(kde) 2D热图？
浏览 1提问于2016-09-28得票数 0
有几种方法可以进行内核密度估计，这些方法将为数据样本提供PDF：
scipy.stats.gaussian_kde使用上面的任何一个，我可以生成一个PDF，但是我想知道如何才能得到我正在生成的PDF格式。在数学中，我知道你可以在PDF上进行集成，以得到PDF，但是问题是，这些方法只提供x和y点，而不是集成函数。我想知道如何将给出的
浏览 1提问于2022-01-06得票数 1
2回答
如何在Python中创建一对图，如下所示：
使用Pandas、海运或matplotlib将是很好的(可能是plot.ly)。我尝试了以下几种朴素的变体，但都没有用：
pairplot = sns.PairGrid(data)
浏览 6提问于2017-05-11得票数 9
回答已采纳
1回答
我有数据，它由1x5大小的向量组成，每个向量代表一个pikel：[x,y,r,g,b]，x和y是位置：0 <= x <= M，0 <= y <= N。r,g,b是像素0 <= r,g,b <= 255的颜色。
这两种方法究竟如何</em
浏览 4提问于2013-06-18得票数 2
回答已采纳
1回答
在中，合成的数据来自两个高斯分布的加权抽样，[0,1]和[5, 1]的均值和std分别占30%和70%。假设使用gaussian内核和bandwidth=1，我们得到了以下结果( KDE估计器的输出与列车数据相匹配)：
是否有可能(从数学上和实际上)恢复估计核的特性？例如，在这种情况下，我们从拟合模型中读取[0,1]和[5, 1]值？(假设适当地完成了拟合过程)
浏览 3提问于2020-05-27得票数 1
1回答
我使用KernSmooth包计算并绘制了高斯核密度估计值，如下所示： h <- dpik(x) plot(est, type='l')
这是KernSmooth文档中描述的方法。注意，dpik()找到了最优带宽，bkde()使用这个带宽来拟合内核密度估计。重要的是我使用这个方法而不是使用基本的de
浏览 0提问于2015-07-08得票数 1
回答已采纳
2回答
我正在试验处理R中重叠的方法，我想尝试的一件事是绘制单个点，但根据其邻域的密度对它们进行着色。为了做到这一点，我需要计算每个点的2D核密度估计。然而，标准的核密度估计函数似乎都是基于网格的。有没有一个函数可以在我指定的特定点处计算2D核密度估计？我可以想象这样一个函数，它以x和y向量为参数，并返回一个密度估计向
浏览 2提问于2013-04-25得票数 15
回答已采纳
1回答
0.3225928, 1.2903712)E2 = p4.7.2*p1.12.2i = which.max(d$y)M2
我一直得到模式的负值。但是beta分布被限制在0-1范围内。你知道负值是从哪里来的吗，或者有没有其他方法来获得bin的模式
浏览 1提问于2015-09-02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
云直播
腾讯会议活动推荐
腾讯云开发者
