タグ付けされた質問 「numpy」

Xの形状（ 2、5 ）とyの形状（2、）があるとしましょう これは動作します： np.linalg.lstsq(X, y) Xが形状（N、5）で、N> = 5である場合にのみ、これが機能すると期待しますが、なぜ、どのように？ 予想どおり5つのウェイトが返されますが、この問題はどのように解決されますか？ 2つの方程式と5つの未知数があるのではないでしょうか？ numpyはこれをどのように解決できますか？ より人工的な方程式を作成するには、補間のようなことをする必要がありますか？..

14 least-squares  linear-algebra  numpy 

閉まっている。この質問はトピックから外れています。現在、回答を受け付けていません。 この質問を改善してみませんか？ 質問を更新することがありますので、話題のクロス検証済みのため。 3年前休業。 私はm列とn行の派手な配列を持っています。列は次元で、行はデータポイントです。 次に、データポイントの組み合わせごとにカーネル値を計算する必要があります。 線形カーネルのための私は単純に行うことができますK(xi,xj)=⟨xi,xj⟩K(xi,xj)=⟨xi,xj⟩K(\mathbf{x}_i,\mathbf{x}_j) = \langle \mathbf{x}_i,\mathbf{x}_j \rangledot(X,X.T) 私は効果的にガウスカーネルのすべての値を計算することができますどのように与えられたsを持つ s 2？K(xi,xj)=exp−∥xi−xj∥22s2K(xi,xj)=exp⁡−‖xi−xj‖22s2K(\mathbf{x}_i,\mathbf{x}_j) = \exp{-\frac{\|\mathbf{x}_i-\mathbf{x}_j\|_2^2}{s^2}}

12 python  kernel-trick  numpy 

私は少し混乱しています。誰かが2項間の相互情報を計算する方法を説明できますか？ D O C U M E N T 1D O C U M E N T 2D O C U M E N T 3』Wh y』111』Ho w』101』W時間のE N』111』WH E R E』100′Why′′How′′When′′Where′Document11111Document21010Document31110 \begin{matrix} & 'Why' & 'How' & 'When' & 'Where' \\ Document1 & 1 & 1 & 1 & …

10 python  information-theory  mutual-information  numpy  pandas 

Rを使用して、データのセットで対数正規モデルを近似しました。結果のパラメーターは次のとおりです。 meanlog = 4.2991610 sdlog = 0.5511349 このモデルを、これまで使用したことがないScipyに転送したいと思います。Scipyを使用して、1と3.1626716539637488e + 90という非常に異なる数の形状とスケールを取得することができました。また、meanlogとsdlogのexpを使用しようとしましたが、奇妙なグラフが引き続き表示されます。 私はscipyでできるすべてのドキュメントを読みましたが、この場合の形状とスケールのパラメーターの意味についてまだ混乱しています。関数を自分でコーディングするのは理にかなっていますか？私はscipyが初めてなので、エラーが発生しやすいようです。 SCIPYログノーマル（青）対Rログノーマル（赤）： どの方向に進むかについての考えはありますか？ちなみに、データはRモデルと非常によく適合しているので、Pythonで他のように見える場合は、自由に共有してください。 ありがとうございました！ 更新： 私はScipy 0.11を実行しています これがデータのサブセットです。実際のサンプルは38k +で、平均は81.53627です。 サブセット： x [60、170、137、138、81、140、78、46、1、168、138、148、145、35、82、126、66、147、88、106、80、54、83、13 102、54、134、34 ] numpy.mean（x） 99.071428571428569 または： 私はpdfを取り込む機能に取り組んでいます： def lognoral(x, mu, sigma): a = 1 / (x * sigma * numpy.sqrt(2 * numpy.pi) ) b = - (numpy.log(x) - mu) …

10 r  python  numpy  scipy 

私のプログラムでは、大規模なデータセットのサンプリングに使用される独自のRNGを使用して、それぞれN個の個別のスレッドを実行する必要があります。結果を再現できるように、このプロセス全体に単一の値をシードできるようにする必要があります。 各インデックスのシードを単純に順次増やすだけで十分ですか？ 現在、私は使用numpyのRandomStateメルセンヌツイスターの擬似乱数生成器を使用しています。 以下のコードの抜粋： # If a random number generator seed exists if self.random_generator_seed: # Create a new random number generator for this instance based on its # own index self.random_generator_seed += instance_index self.random_number_generator = RandomState(self.random_generator_seed) 基本的に、ユーザーが入力したシード（存在する場合）から始め、インスタンス/スレッドごとに、実行中のインスタンスのインデックス（0からN-1）を順番に追加します。これが良い習慣なのか、これを行うより良い方法があるのか​​はわかりません。

10 python  monte-carlo  random-generation  numpy