1回答
我被要求使用np.linalg.norm根据概率密度函数计算K(z)。 这就是我尝试过的，有人知道我在做什么吗？
浏览 23提问于2019-04-06得票数 0
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)的形式检索2D数据数组，但我不知道如何在kde中做到
浏览 3提问于2016-06-14得票数 0
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宽KDE的包？
浏览 8提问于2015-07-17得票数 9
3回答
我只是想把我的注意力集中在聚类上。有两类值0和>0 (显然带有噪声)。我试图找出这个组的中心点，它是>0。我用一个简单的移动平均线画出了这些点，这样就可以看到数据了。
如何仅根据y值对数据进行聚类？如果我尝试使用两个集群，我就会得到这样的结果：
我应该如何修改我的代码以实现这一点？kmeans = KMean
浏览 1提问于2018-03-02得票数 3
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
我对参数机器学习算法和非参数机器学习算法感兴趣，它们的优缺点以及它们在计算复杂性方面的主要区别。尤其是参数高斯混合模型(GMM)和非参数核密度估计(KDE)。我发现，如果使用“少量”的数据点，那么参数(如GMM/EM)是更好的选择，但是如果数据点的数量增加到一个更高的数目，那么非参数算法就更好。谁能解释一下这两个比较的细节吗？
浏览 0提问于2020-12-16得票数 2
1回答
我正在尝试根据数据点的密度对数据进行聚类。
为了达到这一点，我正在尝试修改中的以下代码：import matplotlib.pyplot
浏览 3提问于2015-10-06得票数 1
2回答
了解Dlib内核实现
、、、
我开始使用dlib，我很难理解内核的实现方式。我从k-kmeans算法开始，因为我知道这种聚类方法。然而，我不知道内核是在哪里计算出来的。输入数据是矩阵(不是核)，算法从不将数据转换为核。但是我从来没有见过这样的事情！我想用dlib来实现一个使用内核的集群算法，而dlib听起来是一个很好的解决方案。有谁有关于它是如何实现的文档，或者可以向我解释它是如何工作
浏览 0提问于2014-01-31得票数 2
1回答
我在使用球形(或各向同性)内核使用Parzen窗口算法实现Bayes分类器时遇到了问题。这是我的密度估计器。由于我使用的是球面高斯核，因此我的理解是，对于每个密
浏览 1提问于2015-11-02得票数 0
回答已采纳
我已经把比较A组和B组分数的小提琴情节叠加到了调查的某一特定部分，每个部分都是小部分。分数是离散的1-7值.在这些小提琴的情节中，平滑的效果和预期的一样。我认为问题可能是群体规模的不同，但这样的话，“波纹”就会出现在所有的区域图中。在这种情况下，“开放”是奇怪的波浪，而其他
浏览 1提问于2019-08-07得票数 0
回答已采纳
1回答
我使用核密度估计来计算项目发生的概率密度函数。
使用这个输出，我想找到所有的局部极小值和准则。我对不同的局部-min/max提取方法感兴趣。
浏览 0提问于2020-01-15得票数 3
1回答
我需要在java中开发一个2d核密度估计来给出一些空间点。它将计算离散的2dKDE，并在地理地图上绘制密度图。为此，我建议使用高斯核或四次核。我读过一些关于这方面的论文，可以在上找到。
浏览 1提问于2012-12-05得票数 0
2回答
我有一个向量，我想把它转换成概率密度函数。平均值是1。我该如何绘制它？x <- 0.9034128, 0.9050411, 0.9093876, 0.9141021, 0.9172803, 0.9209636, 0.9406245, 0.9427261, 0.9441703, 0.9473808, 0.9502
浏览 39提问于2021-05-22得票数 1
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？
浏览 3提问于2020-05-27得票数 1
1回答
在python中，给定分布(expectedValues)，高斯核估计和p值计算如下：kdePValue= kde.pdf(observedValue)
我的问题是:有没有一种方法可以计算给定分布(expectedValues)的泊松核密度估计，以及在python中计算给定observedValue的p值
浏览 0提问于2018-12-03得票数 0
回答已采纳
1回答
这段代码是关于核密度估计的，而我对核密度估计一无所知。所以我查了一些维基和一些论文。
我试着用C#写它。问题是，当“距离”变得更高时，结果变成0。这让我很困惑，我找不到任何其他方法来获得正确的结果。或者给我一些关于C#上的核密度估计的想法。对不起，我的英语很差。
浏览 3提问于2015-05-09得票数 1
1回答
目前，我正在使用多元核密度估计来估计水文数据集的概率密度函数(PDF)。正如Sharma (2000和2014年)所概述的那样，我最熟悉使用高斯核进行的核密度估计(其中内核带宽是使用高斯参考规则(GRR)设置的)。GRR的编写如下(Sharma，2000年)：在核的lambda_ref = GRR带宽中，n是样本大小，d是我们用于密度估计的</
浏览 4提问于2015-07-18得票数 2
1回答
R:曲线下面积？
、、
我有一个算法，它使用x，y图对排序的y数据进行排序，从而生成一个o给定。我想使用核密度估计来做类似的事情。我喜欢使用内核密度平滑上/下界的方式(即，min和max将稍微扩展到我的硬编码输入之外)。如果这是个令人困惑的问题，我
浏览 2提问于2016-04-29得票数 0
回答已采纳
3回答
在R中对非常大的数据集进行聚类
、、、、
我有一个由70,000个数值组成的数据集，这些数值表示从0到50的距离，我想对这些数字进行聚类；但是，如果我正在尝试经典的聚类方法，那么我必须建立一个70,000X70,000距离矩阵来表示我的数据集中每两个数字之间的距离，这在内存中是无法容纳的，所以我想知道是否有什么智能的方法来解决这个问题，而不需要进行分层采样？我还尝试了R中的bigmemory和大型分析库，但仍然无法将数据放入内存
浏览 0提问于2014-02-24得票数 12
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号