Публикации по теме 'distribution'
Найдите лучший дистрибутив с помощью Tensorflow
Во-первых, моя проблема:
У меня есть несколько систем, которые принимают один вход и производят один выход (нелинейно). Я должен найти, как распределить ввод между системами, чтобы получить максимальный результат.
Используемые библиотеки
import numpy as np
import tensorflow as tf
from tensorflow.keras import backend as K
Фиктивные входные данные
Мы создаем фиктивные данные для тестирования нашего кода.
system_one_input, system_one_output = np.zeros(100), np.zeros(100)..
Гауссово/нормальное распределение и его PDF (функция плотности вероятности) для машинного обучения:
Предположим, что x — непрерывная переменная, и это распределение (PDF) похоже на колоколообразную кривую, тогда мы можем сказать, что x имеет распределение, которое является распределением Гаусса. Теперь вам может быть интересно, почему мы должны изучать распределение Гаусса, потому что многие вещи в природе подчиняются распределению Гаусса, например, рост, вес людей и т. д.
Теперь также приходит на ум этот вопрос, почему мы должны изучать такое распределение?
Предположим, вы знаете, что..
Вот мой взгляд на упражнения:
Вот мой взгляд на упражнения:
P - экспоненциальное распределение
a) 1 шина каждые 15 минут - ›λ = 1/15 для единицы времени 1 мин (λ = 1 и единица времени 15 минут также работает, если вы соответствующим образом отрегулируете t)
1) P (T ›t) = e ^ (- λt) -› P (T ›10) = e ^ (- 1/15 * 10) = e ^ (- 2/3) ≈ 0,5134 2) P (T≤t) = 0,9 (сколько единиц времени необходимо для того, чтобы произошло 90% событий) 1-e ^ (- t / 15) = 0,9 - › e ^ (- t / 15) = 0,1 - ›t = -15 * ln (0,1) ≈ 34,5387 3)..
БИНОМИАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
Определение: -
Это одно из самых популярных дискретных распределений. Происхождение биномиального распределения лежит в следах Бернулли .
Испытание Бернулли. След Бернулли - это эксперимент, имеющий только два возможных результата: успех или неудача. Здесь мы обозначили успех как p, а неудачу как q.
Сначала перейдите по ссылке ниже и изучите распределение Бернулли, после чего вы легко сможете изучить концепцию биномиального распределения...
Простой пример 2D-графиков плотности на Python
Как визуализировать совместные распределения
В этом посте вы узнаете, как:
Используйте гауссовское ядро для оценки PDF 2 распределений Используйте Matplotlib для представления PDF с помеченными контурными линиями вокруг графиков плотности. Как выделить контурные линии Как построить в 3D вышеупомянутое ядро Гаусса Как использовать 2D-гистограммы для построения одного и того же PDF-файла
Начнем с создания входного набора данных, состоящего из трех больших двоичных объектов:..
Выбор функций с учетом распределения с помощью Kydavra MUSESelector
Один из наиболее интуитивно понятных способов выбора функций - это выяснить, насколько распределение классов отличается друг от друга. Однако на некоторых интервалах распределение признака по классам может быть разным, а на других интервалах оно может быть практически таким же. Итак, мы можем сделать вывод, что признаки, которые имеют наибольшее количество интервалов, в которых распределение классов различается, являются лучшими функциями. Эта логика реализована в Минимальной..
Распространение сред разработки ML в кластере Production Spark с помощью MLFlow
Цель
Python не является строго типизированным языком, таким как Java или C++. Однако, как язык, на разработку которого ушло много времени и простота управления, Python определенно является предпочтительным языком для многих, особенно в области машинного обучения. Огромная доступность библиотек для алгоритмов и визуализации. Ниже приведены некоторые из причин, по которым мне нравится Python, хотя он и не является моим любимым:
Простота использования. Python — один из самых простых..