Domande taggate «mixture»

Una distribuzione della miscela è una distribuzione scritta come una combinazione convessa di altre distribuzioni. Utilizzare il tag "compound-distribututions" per "concatenazioni" di distribuzioni (in cui un parametro di una distribuzione è esso stesso una variabile casuale).

1
Pacchetti Python per lavorare con modelli di miscele gaussiane (GMM)
Sembra che ci siano diverse opzioni disponibili per lavorare con i modelli di miscele gaussiane (GMM) in Python. A prima vista ci sono almeno: PyMix - http://www.pymix.org/pymix/index.php Strumenti per la modellazione delle miscele PyEM - http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/em/ che fa parte della toolbox di Scipy e sembra focalizzarsi sull'aggiornamento di GMM : …
2
Campionamento esatto da miscele improprie
Supponiamo che io voglia campionare da una distribuzione continua . Se ho un'espressione di nel modulop(x)p(x)p(x)ppp p(x)=∑i=1∞aifi(x)p(x)=∑i=1∞aifi(x)p(x) = \sum_{i=1}^\infty a_i f_i(x) dove e f_i sono distribuzioni da cui è possibile campionare facilmente, quindi posso facilmente generare campioni da p mediante:ai⩾0,∑iai=1ai⩾0,∑iai=1a_i \geqslant 0, \sum_i a_i= 1fifif_ippp Campionamento di un'etichetta iii con …
1
Come posso incorporare un valore anomalo innovativo all'osservazione 48 nel mio modello ARIMA?
Sto lavorando su un set di dati. Dopo aver usato alcune tecniche di identificazione del modello, sono uscito con un modello ARIMA (0,2,1). Ho usato la detectIOfunzione nel pacchetto TSAin R per rilevare un valore anomalo innovativo (IO) alla 48a osservazione del mio set di dati originale. Come posso incorporare …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 
1
Distribuzione a coda lunga di eventi temporali
Supponiamo di avere i registri di un server web. In questi registri hai tuple di questo tipo: user1, timestamp1 user1, timestamp2 user1, timestamp3 user2, timestamp4 user1, timestamp5 ... Questi timestamp rappresentano, ad esempio, i clic degli utenti. Ora user1visiterà il sito più volte (sessioni) durante il mese e avrai scoppi …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.