-
1 votesanswersviews
显示对数似然的Baum-Welch算法：NaN BIC标准：NaN AIC标准：NaN
我正努力在Bauch-Welch算法中获得收敛，但由于Log-likelihood，AIC，BIC显示NaN，因此无法做到这一点 . 我的数据只包含一列 . 在这方面请帮助我，我将非常感谢你 . 详细代码如下 library(RHmm) obs<-read.table("C:\\Users\\Administrator\\Desktop\\SPI-TESTS.csv",h... -
1 votesanswersviews
matlab中95％置信区间的求和高斯分布
我在Matlab中的曲线拟合工具箱中使用由2个求和高斯组成的拟合拟合了一些数据 . Matlab能够非常好地为我绘制95％的上下置信区间 . 现在，我有一些新数据最适合由3个高斯组成的曲线，但在这种情况下工具箱不会绘制95％CI . 它沿曲线的所有点返回NaN，而不是95％CI的数值 . 以下是一些代码： X = [0 1 2 3 4 5 6 7 8 9 10]'; Y = [0.009 0.0... -
6 votesanswersviews
编写集成高斯函数的Python函数的最佳方法是什么？
在尝试使用scipy的四边形方法来集成高斯（假设有一种名为gauss的高斯方法）时，我遇到了将所需参数传递给高斯并留下四边形来对正确变量进行积分的问题 . 有没有人有一个如何使用四维w /多维函数的好例子？ 但这让我想到了一个关于整合高斯的最佳方法的更大问题 . 我没有在scipy中找到高斯整合（令我惊讶） . 我的计划是编写一个简单的高斯函数并将其传递给quad（或者现在可能是一个固定宽度的积分... -
1 votesanswersviews
Python，通过积分计算高斯区域
我有一个函数，一个高斯函数，我已经将它与数据文件中的数据相匹配 . 我现在需要集成高斯函数来给出它下面的区域 . 这是我的高斯函数 def I(theta,max_x,max_y,sigma): return (max_y/(sigma*(math.sqrt(2*pi))))*np.exp(-((theta-max_x)**2)/(2*sigma**2)) 与一般公式比较 N（x | ... -
0 votesanswersviews
如何在Python中使用以前训练过的数据来获取新的测试数据
我在Python中使用高斯过程回归 . 我有大量的培训数据，并试图预测测试数据 . 经过训练的数据不会变化，但测试数据会变化 . 我的问题是，如果可以保存训练结果，并且每当有新的测试数据进入时，只需快速预测测试数据的目标，而无需重新进行再训练 . 我将不胜感激任何帮助 . 谢谢，杰伊 -
0 votesanswersviews
为什么高斯过程回归（GPR）适用于时间序列数据？
我只是想知道：与其他方法（例如逻辑回归，线性回归和支持向量回归）相比，为什么GPR非常适合时间序列数据？为什么GPR具有优势？谢谢你的帮助提前〜 -
0 votesanswersviews
Python中的高斯消除与透视
有这个问题的麻烦 . 我不知道出了什么问题 . 这看起来有点太复杂了，我收到了错误 . 我实际上是用维基百科的伪代码做的 . import numpy as np import math A = [[5,1,0,2,1],[0,4,0,1,2],[1,1,4,1,1],[0,1,2,6,0],[0,0,1,2,4]] b = [[1],[2],[3],[4],[5]] def swap_row... -
2 votesanswersviews
SKlearn：高斯过程回归在学习过程中没有改变
我正在尝试使用 GaussianProcessRegressor 适合GP，我注意到我的超参数仍处于初始值 . 我在gpr.py中做了一些踩踏，但是无法找到确切的原因 . 使用初始值进行预测会产生零线 . 我的数据包含5400个样本，每个样本有12个特征，映射到单个输出变量 . 即使设计可能不是那么好，我仍然期待一些学习 . 所需文件： features.txt output.txt import... -
3 votesanswersviews
适合（三重）高斯到数据python
我的问题的简短版本如下：我有一些数据（行星密度）的直方图，似乎有3个偷看 . 现在我想让3位高斯人适应这个直方图 . 我期待这个结果 . 我使用了不同的方法来适应我的高斯：来自sklearn.mixture的curve_fit，least square和GaussianMixture . 使用Curve_fit，我非常适合 但如果将它与我的预期结果进行比较，那就不够好了 . 至少方格我得到了“... -
0 votesanswersviews
1D高斯的混合适合Matlab / Python中的数据
我有一条离散曲线y = f（x） . 我知道峰的位置和幅度 . 我想通过在每个峰值处拟合高斯来近似曲线 . 我该如何寻找优化的高斯参数？我想知道是否有任何内置函数可以使我的任务更简单 . 编辑 我有固定的高斯平均值，并试图在matlab中使用lsqcurvefit（）来优化sigma . MSE较少 . 但是，我有一个额外的硬约束，即近似曲线的值应该等于峰值处的原始函数 . 我的模型不满足此约束... -
0 votesanswersviews
近似高斯混合 - 不能适合正确数量的峰
大约两周前，我问（Number of peaks in histogram）快速算法检测直方图中的高斯峰数 . 一个非常好的方法：建议使用近似高斯混合（AGM） . 我完成了article并试图在我的C应用程序中实现这种方法，具有用于控制EM收敛的类似日志功能 . 我不得不说这个方法非常快，它可以看到解决方案 . 但是，我无法在合适的时间停止清洗 . 我想知道这是不是由我的数据引起的 . Prob... -
0 votesanswersviews
优化优化
我有一个带有多个峰值的离散数据集 . 我正在尝试生成一种自动方法，用于将高斯曲线拟合到未知数量的数据点 . 最终目标是使用最佳拟合高斯曲线的西格玛值，提供y轴上峰值位置（x轴）的不确定性度量 . 完整的数据集有六个左右的各种形状的独特峰 . 这是一个示例数据集 . working <- data.frame(age = seq(1, 50), likelihood = c()) likeli... -
2 votesanswersviews
高斯过程回归
我正在编写高斯过程回归算法 . 这是代码： % Data generating function fh = @(x)(2*cos(2*pi*x/10).*x); % range x = -5:0.01:5; N = length(x); % Sampled data points from the generating function M = 50; selection = boole... -
6 votesanswersviews
高斯过程scikit-learn - 异常
我想使用高斯过程来解决回归任务 . 我的数据如下：每个X向量的长度为37，每个Y向量的长度为8 . 我正在使用 Python 中的 sklearn 包，但尝试使用高斯进程会导致 Exception ： from sklearn import gaussian_process print "x :", x__ print "y :", y__ gp = g... -
0 votesanswersviews
Python：高斯过程回归和GridSearchCV
我正在使用Python在NIR频谱数据上进行高斯过程回归 . 我可以用GPR获得一些结果，并希望优化GPR的参数 . 我正在尝试使用GridSearchCV来优化参数，但我一直收到错误，并且找不到人们使用GridSearchCV进行高斯过程的任何示例（来自sklearn.gaussian_process） . 我的快速问题是我是否可以将GridSearchCV用于GPR . 如果没有，您建议使用什... -
2 votesanswersviews
sklearn高斯朴素贝叶斯 - 为什么“高斯”？
我理解贝叶斯定理，但不明白分类器中的“高斯”部分是什么 . 为什么称它为“高斯”？ -
-1 votesanswersviews
scikit中的高斯过程回归学习没有内核梯度评估
我正在使用sklearn中的GaussianProcessesRegression模块进行简单的高斯回归 . 但是我试图实现我自己的内核而不是模块内核提供的内核 . 我遇到了超参数优化的问题（可能是我错误地实现了内核梯度，我没有看到错误） . 所以我的问题是： 如何在优化期间运行GaussianProcessesRegression模块的方法`fit'（发生超参数的优化）而不评估内核梯度？ 从文档... -
2 votesanswersviews
Sklearn：使用预训练超参数高斯过程回归
在我的数据上安装GPR需要几个小时，因此，我想重用我的预训练 GausianProcessRegressor 我认为我找到了一个解决方法，它似乎产生了相同的结果，但我想知道是否有更好的解决方案，因为这是一种黑客攻击 . kernel = ConstantKernel(0.25, (1e-3, 1e3)) * RBF(hyper_params_rbf, (1e-3, 1e4)) + WhiteKer... -
0 votesanswersviews
三维高斯过程回归
我对高斯过程和python也很陌生 . 我试图为3d模型生成一个非常简单的高斯回归 . 我有一个非常简单的函数Python代码： import numpy as np def exponential_cov(x, y, params): return params[0] * np.exp( -0.5 * params[1] * np.subtract.outer(x, y)**2) ... -
1 votesanswersviews
评估TensorFlow中多维输入之间的成对欧氏距离
我有两个形状的二维张量，比如m X d和n X d . 什么是优化的（即没有for循环）或评估这两个张量之间的成对欧氏距离的张量流方式，以便得到形状m X n的输出张量 . 我需要它来创建高斯核的平方项，以最终具有大小为m×n的协方差矩阵 . 等效的未经优化的numpy代码看起来像这样 difference_squared = np.zeros((x.shape[0], x_.shape[0])... -
1 votesanswersviews
高斯噪声不包括主图像-Python
我正在尝试将高斯噪声添加到图像中（“pepper.jpg”） . 它的工作原理如结果所示（“noisy pepper.png”）;但是噪音并没有覆盖“辣椒”，它就在它周围 . 在应用噪音时我是否缺少某些东西？任何意见，将不胜感激 . import cv2 import numpy as np img = cv2.imread("pepper.jpg",0) row, col ... -
5 votesanswersviews
从r中的双高斯混合生成样本（MATLAB中给出的代码）
我正在尝试创建（在r中）等效于以下MATLAB函数，该函数将从N（m1，（s1）^ 2）和N（m2，（s2）^ 2）的混合生成n个样本，alpha，来自第一个高斯 . 我有一个开始，但MATLAB和R之间的结果明显不同（即，MATLAB结果偶尔给出-8的值，但R版本甚至不给出值-5） . Please help me sort out what is wrong here. 谢谢:-) 例如：... -
0 votesanswersviews
在Python 3.X中创建高斯拟合的残差图
我有一个512x1024值的数组，我对所有列执行1024高斯拟合 . 我得到三个1024个值的数组，每个数值包含我想要创建残差图的所有高斯拟合的幅度，平均值和标准偏差 . 我知道通过将观测值减去拟合值来找到残差，我不知道如何从512x1024阵列中找到的y值中提取高斯参数 . 有没有快速的方法从这个数组中找到参数？谢谢你的帮助！ -
2 votesanswersviews
1D高斯滤波器水平和垂直[重复]
这个问题在这里已有答案： How to make a Gaussian filter in Matlab 2个答案 我正在尝试生成可应用于图像的高斯滤镜，但我想将其应用于1D两次：水平和垂直 . 另外，我想分别将它应用到每个飞机上 . 这意味着我想设计一维高斯滤波器将其水平应用于红色，绿色，蓝色分量，然后我有相同的1D高斯滤波器将其垂直应用于红色，绿色，蓝色分量 . 我认为这个操作应该等于在原... -
0 votesanswersviews
如何使用LibreOffice Draw绘制高斯曲线？
我想在LibreOffice Draw中绘制一条高斯曲线作为矢量图形 . 使用"Curve"函数我只能得到一些东西parabola-like.有没有人知道如何做高斯？ 先感谢您！ -
2 votesanswersviews
将多个峰拟合到数据集并提取R中的单个峰信息
我有许多数据集，包括不同高程的特征计数 . 目前，每1米间隔的数据为1-30米 . 绘制时，我的许多数据集都显示3-4个峰值，这些峰值表示高度层 . 这是一个示例数据集： 高度< - c（1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22， 23,24,25,26,27,28,29,30）计数<-c（4000,2000,... -
15 votesanswersviews
Random.nextgaussian（）可以从具有不同均值和标准差的分布中采样值吗？
这是一个综合的Java和基本数学问题 . 来自Random.nextGaussian（）的文档声明它从正态分布中采样，均值为0，标准差为1.如果我想从具有不同均值和方差的正态分布中进行采样，该怎么办？ -
1 votesanswersviews
Scikit-learn的管道：多标签分类出错 . 通过稀疏矩阵
我正在使用不同的机器学习算法实现不同的分类器 . 我正在排序文本文件，并执行以下操作： classifier = Pipeline([ ('vectorizer', CountVectorizer ()), ('TFIDF', TfidfTransformer ()), ('clf', OneVsRestClassifier (GaussianNB()))]) classifier.fit(X_t...