chi-squared

    1熱度

    1回答

    我想了解基於Bayes的垃圾郵件檢測,並且難以理解如何對其進行編碼。 爲了理解它,我正在閱讀下面的SpamAssassin代碼。 http://svn.apache.org/viewvc/spamassassin/trunk/lib/Mail/SpamAssassin/Bayes/CombineChi.pm?view=markup 但是,我不明白chi2q功能如何。 # Chi-squared f

    0熱度

    2回答

    我想計算C#中卡方分佈的右尾概率。 Excel可以使用下面的代碼 = CHISQ.DIST.RT(100,4) 其中100是卡方和4是自由度做該計算。 我想在C#中使用這個函數來計算;我嘗試添加對「Microsoft.Office.Interop」的引用,但我無法找到使用它的方法! 我遇到了一些關於如何使用C#在Excel中進行公式化並在Excel中獲得結果的主題,但不幸的是這不是我所需要的;

    0熱度

    1回答

    我試圖執行最小化,其中一些參數必須總和爲1,使用PyMinuit。我想知道是否有一個標準的方法來實現這種事情? 如果不滿足約束條件,那麼將函數設置爲一個較大的值是否正常? 例如 def f(params): if params.sum() != 1: return 1e6 else: ... compute actual value ... 這是一個

    1熱度

    1回答

    我有以下形式的應急表: # successful # unsuccessful Totals Amateurs 14 1544 1558 Experts 7 17 24 我無法得到這個數據到SPSS V21這樣我就可以對其進行分析(卡方)。我嘗試過直接輸入這樣的數據,並使用Analyze> Descriptive Statistics> Crosstabs,但分

    4熱度

    2回答

    我想將一個雙精度數組傳遞到R中,然後求和它的值並將其返回給Java。以下是我試圖用Java做的事: import org.rosuda.JRI.REXP; import org.rosuda.JRI.Rengine; // Start R session. Rengine re = new Rengine (new String [] {"--vanilla"}, false, null)

    11熱度

    1回答

    輸入 NN <- c(359,32);JJ <- c(108,13);NNS <- c(103,15);VBN <- c(95,9);RB <- c(63,11);NNP <- c(56,0);VBG <- c(55,10);IN <- c(38,16);VB <- c(20,10);CD <- c(17,6);CC <- c(11,6);DT <- c(11,4);MD <- c(8,5);PR

    0熱度

    1回答

    我試圖找到我的下面的SQL Server查詢了卡方檢驗的樣本數據: SELECT sessionnumber, sessioncount, timespent, expected, dev, dev*dev/expected as chi_square FROM (SELECT clusters.sessionnumber, clusters.sessioncount, clusters.tim

    -2熱度

    2回答

    我正在試圖在表中的下列數據集上找到CHI-SQUARE TEST。我想我的這個查詢找到了卡方檢驗: SELECT sessionnumber, sessioncount, timespent, (dim1.cnt * dim2.cnt * dim3.cnt)/(dimall.cnt*dimall.cnt) as expected FROM (SELECT sessionnumber, SUM(

    3熱度

    1回答

    當你的數據是觀測列表的形式時,是否可以計算在R中的卡方?我的意思是,如果你知道十字架,那麼得到卡方很容易。例如,如果您有調查問卷,並且您要求提供性別和真假問題,則只需要四個數字即可計算卡方。我所擁有的是每個受訪者答案的兩列數據。是否有可能從這個數據結構中獲得卡方,還是必須將其轉換? 如果我必須將它轉換爲R,有人知道另一種語言可以讓我直接得到卡方的平方嗎?

    1熱度

    2回答

    我想通過scikit-learn(sklearn.feature_selection.SelectKBest)中的卡方法做特徵選擇。當我試圖將其應用到多標記問題,我得到這樣的警告: UserWarning: Duplicate scores. Result may depend on feature ordering.There are probably duplicate features, o