1回答
我的数据帧目前看起来像这样(让我们称其为df_1)。var1 2-1-01 0.02 4-1-01 4.5 6-1-01 0.22 var_1是正态分布的我有另一个数据框，它只是由不带var1值的日期组成(让我们称之为df_2)： date var1 2-2-01 4-2-01 6-2-01我只想从df_1中var1的正态分布中随机抽取出预测
浏览 17提问于2020-04-25得票数 0
回答已采纳
1回答
使用numpy，我需要为机器学习问题生成培训和测试数据。该模型能够预测三个不同的类别(X，Y，Z)。这些类别代表了在多个临床试验中的病人类型，该模型应该能够根据收集到的关于病人的数据(如血液分析和血压、既往病史等)预测病人的类型。/s描述了每一类的N(u，s)的分布(因此，对于所有研究的试验，X类的均值为7.2，方差为5.3)。不幸的是，该研究的数据集无法获得。
如何在所有类和每个类中重新创建遵循相同<em
浏览 2提问于2014-06-28得票数 1
回答已采纳
1回答
我使用R中的包quantregForest，它基于randomForest，从一组预测器生成预测间隔。
在对某些数据进行训练后，它为测试数据中的每一组预测器输出一个基于分位数的预测间隔。据我了解，生成的随机森林中的每个叶(或终端节点)都表示值的分布。如何访问组成森林中每个叶子(终端节点)的值？
浏览 3提问于2022-03-17得票数 1
1回答
我的模型这一数据表明，一个大的过色散(\bar X << var(X))，因此泊松似然，f(X|\lambda) \sim \mathcal参数估计
为了不以非常复杂的设置结束，我对p进行了贝叶斯估计，允许根据数据计算r：在嵌套二项分布中，r与分布的第一和第二时刻
浏览 0提问于2020-08-21得票数 1
1回答
在mathematica中，我有10个数据集。我正在试图弄清楚如何根据这些数据来预测未来的结果。数据几乎服从正态分布。我想根据我拥有的数据来预测平均曲线是什么样子。有没有办法做到这一点？
浏览 0提问于2016-06-20得票数 0
3回答
我想得到我的xgboost模型的预测区间，我用它来解决一个回归问题。我使用的是在这个博客上共享的python代码，并不真正理解分位数参数是如何影响模型的(我在博客上使用了建议的参数值)。当我将这段代码应用于我的数据时，我会得到毫无意义的结果，比如对我的目标值的负面预测，而我的目标值总是超过10K。我不明白这段代码应该如何根据我的数据而变化，我真的很希望得到任何帮助。我的数据与博客上使用</e
浏览 0提问于2017-12-06得票数 6
1回答
了解不同的机器学习概念，我遇到了生成和鉴别模型。根据我所研究的，生成模型是基于P(x，y)(联合概率分布)，而判别模型是基于条件概率的P(y，x)。但问题是为什么，实际上是如何做到的？联合概率是如何产生新数据的同时条件概率又是如何在当前数据集上工作的呢？有谁能用一个直观的例子来解释我，或者用某种联系来解释这个概念呢？
浏览 0提问于2019-11-29得票数 1
在新闻中，有几篇文章(这里，这里，以及技术观点)与随机数生成器的弱点有关。
这个问题有点双重。弱RNGs有什么症状？例如，这是否意味着几种不同的种子会产生相同的结果？那么，如何从发现一个弱的RNG到完全解密加密的通信量呢？
浏览 0提问于2013-09-12得票数 14
回答已采纳
1回答
建立一个不带概率分布的贝叶斯神经网络作为预测模型的因变量是否可行？我的意思是，如果id喜欢用解释变量X(例如y=5)的向量来推断一个特定的值，比如y(例如，X=)，那么贝叶斯神经网络就可以推断出具有标准差σ的y均值的分布(例如y均值=5，σ=0.5)。PS:我在生态学领域工作，所以得到结果的概率分布符合我的目标。
浏览 0提问于2019-01-13得票数 1
回答已采纳
1回答
如何为有序回归中的每个预测器生成每个结果的后验概率分布？data = esoph)现在使用esoph, method = "logit",
prior = R2(0.2, "mean"), init_r = 0.1, seed = 1234
浏览 6提问于2021-06-25得票数 0
1回答
我是Python新手，我很难理解多进程/线程处理中的一些东西。我想加快一个函数的速度，并且尝试了与多处理模块不同的方法，但是我无法让它运行得更快。它可能不会跑得更快，但我想在放弃之前确定情况是这样的。这不是一个完整的描述，但最耗时的活动是：-using是一个预适应模型，用于预测每一行和
-comparing每个预测值为初始值。它根据预测值中等于初始值的数量多次执行此操作，每次更新分布<
浏览 4提问于2019-09-25得票数 2
我已经使用从大平原地区的田野样本收集的已知土壤属性数据生成了一个MARS回归模型。我将所有变量减少到5个预测变量(海拔、tpi、k_factor、降水量和温度)和一个因变量(土壤有机质含量:SOC)。我将原始数据集分成一个训练类和一个测试类。在模型创建完成后，我能够利用我的模型来预测测试数据集上的值。
我想用来自大平原地区地理空间栅格的数据来预测新生成的数据集。我根据研究区域的大小
浏览 21提问于2019-11-26得票数 0
2回答
我不知道这是不是最好的地方，所以如果不是，请告诉我，所面临的挑战是底层数据的正态分布是倾斜的，我不知道如何在Python中将混合模型与该分布相匹配？在R
浏览 7提问于2022-01-27得票数 2
1回答
如何在大数据集上估计精度？
、、、、
在我的情况下，我希望将我的数据集分类为100个类别。数据集非常不平衡。数据集大小约为数千万接下来，我标记了测试集的每个记录的基本事实，并计算了每个类别的精度、召回率和宏并得到了f1 -f1和F1-M宏。如何估计整个数据集的准确性或其他指标？我使用每个类别精度的加权和(权重是整体预测</em
浏览 3提问于2020-01-19得票数 2
我正在用一个零膨胀负二项分布模型(包: pscl)通过一个联系网络(基于电话数据)来模拟电影的传播。使用我收到了对每个数据点的扩散链平均长度的预测，并使用
predict(m1, newdata = testData, type = "问题:由于我有一个0(和1)膨胀的数据集，如果它对所有值预测为0，那么模型大部分时间都是正确的。对于长度为零的链(根据MSE)
浏览 1提问于2015-05-07得票数 4
我有以下形式的数据：e f g h.m n o p.
现在，我想将每一行与一个介于0和1之间的附加属性相关联。我想根据均匀分布、高斯分布、指数分布来生成属性。对于均匀分布，我可以使用类似s= np.random.uniform(-1，0,1000)的numpy.random.uniform生成分布。但我不确定如何生成高斯分布
浏览 2提问于2015-02-18得票数 0
1回答
如何选择多分类器的样本
、、、
我有一个150万的数据集，我想训练7个不同的分类器--对于每一个分类器，我要预测多达10个类别。总样本有20K的文本特性(如果我包括bigram的话)。与大多数文本特性的分布一样，只有20%的文本特征在样本中发生了80%的事件。我将手动标记每个预测类别的10K，并使用它对剩余的150万以及新文档进行预测。
我的问题是，如何根据特性和分布来选择子样本。我应该选择一个随机抽样(试着匹配分布)吗？或者，我是否应该尝试找到最
浏览 0提问于2017-04-18得票数 -1
回答已采纳
1回答
我对Python中的随机数生成是个新手。,X_0 = i_0) = P(X_m+1 = j |X_m = i)P(x) = Ne^{−|x|}
其中N是归一化因子？
浏览 22提问于2020-10-15得票数 0
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
腾讯会议
云直播活动推荐
腾讯云开发者
