cdf

2熱度

1回答

我正在Python中創建一個樸素貝葉斯分類器，它將能夠猜測哪一個月它基於某一天的某些天氣數據。目前使用均值和標準差來對月份進行分類，但我認爲添加偏度和峯度可能有助於提高精度。我目前使用scipy.stats.norm.cdf來計算機會，但我似乎無法在Python中找到任何將偏度和峯度考慮在內的cdf函數。我覺得我可能不會正確理解偏度和峯度。偏度和峯度對cdf函數有影響，因此我期望它們作爲參數

-2熱度

2回答

的Python：構建CCDF一個列表的

我有以下的列表，其中第一元素是通用值，第二個是值的出現次數： mylist=[(2, 45), (3, 21), (4, 12), (5, 7), (6, 2), (7, 2), (8, 3), (9, 2), (10, 1), (11, 1), (15, 1), (17, 2), (18, 1)] ，我想計算這些值的CCDF（互補累積分佈函數）作爲每個元組的第二個元素出現。我的代碼

14熱度

1回答

ggplot比例轉換對點和函數的作用不同

我試圖用R和ggplot2繪製分佈CDF。但是，在我轉換Y軸以獲得直線後，繪製CDF函數時遇到了困難。這種情節經常用在Gumbel紙樣中，但在這裏我將以正態分佈爲例。我生成數據，並繪製數據的累積密度函數以及函數。它們很合適。但是，當我應用Y軸轉換時，它們不再適用。 sim <- rnorm(100) #Simulate some data sim <- sort(sim) #Sort it

0熱度

1回答

CDF在tensorflow

我可以從here運行這個例子： mu = [1, 2, 3.] diag_stdev = [4, 5, 6.] dist = tf.contrib.distributions.MultivariateNormalDiag(mu, diag_stdev) dist.pdf([-1., 0, 1]) 但是當我代替最後一行的dist.cdf([-1., 0, 1])我得到一個未實現的錯誤： N

0熱度

1回答

錯誤 - 繪製PDF和CDF散景：不支持的操作數類型爲/：'list'和'int'

我正嘗試讀取csv並使用Bokeh計算PDF和CDF。我收到錯誤。輸入文件是keyword和freq。頻率的分佈是繪製的。下面的輸入是來自超過50k行的幾行。輸入： #sportsnews,8 #mashupradiomx,1 #arrestobama,2 #alemanha,1 #bizeskiden,1 #musicnews,4 #costumedesign,2 #champa

1熱度

1回答

R的計算分佈圖

我非常習慣於使用R進行數據可視化。我已經生成COMULATIVE分佈圖與下面的代碼： if (length(first$dtl) > 0) {first_cdf <- ecdf(first$dtl)} else first_cdf <- 0 cdf_range <- range(0, first$dtl, na.rm=TRUE) plot(first_cdf, main="Distributi

0熱度

1回答

IndexError：太多的指數數組numpy的繪圖CCDF與CSV

我試圖繪製使用numpy，並輸入一個CCDF是csv與#keywords爲col[0]和頻率爲col[1]。輸入 #Car,45 #photo,4 #movie,6 #life,1 輸入具有10K以上的行和兩列的外面col[0]完全不使用，並且只從col[1]頻率用來繪製CCDF。數據中間沒有空行，也沒有任何空白行。代碼： import numpy as np import mat

2熱度

3回答

繪製經驗累積概率函數及其逆

我有數據cdecn： set.seed(0) cdecn <- sample(1:10,570,replace=TRUE) a <- rnorm(cdecn,mean(cdecn),sd(cdecn)) 我已經建立，其顯示的累積概率的曲線圖。 aprob <- ecdf(a) plot(aprob) 我想知道我怎麼可以切換x軸和y軸得到一個新的情節，即ECDF的倒數。此外，對於新的

0熱度

1回答

擬合經驗CDF曲線以找到確切的值

我試圖使用經驗cdf找到任何數字的確切值。獲得確切價值的最佳方法是什麼？我可以使用擬合工具，然後使用擬合函數估算它嗎？ [f,x] = ecdf(samples); 即如何找到符合我的經驗CDF的最佳函數以獲得我想要的任何數字的確切CDF？這是我的樣品：

0熱度

1回答

Python中的累積分佈

我需要計算兩個數據集的CDF，並使用第二個數據集的CDF來更正第一個數據集的CDF。我用下面的代碼來找到CDF。 sorted_data = np.sort(f_o_data[:,0]) cdf_fcs=np.arange(len(sorted_data))/(float(len(sorted_data))) plt.plot(sorted_data,cdf_fcs,'g') sorte