mixture

    1熱度

    1回答

    我正在評估RNet中的MXNet,我想模擬混合密度netowrks。有關Tensorflow,Keras和Edward的示例可以在此處找到:http://cbonnett.github.io/MDN_EDWARD_KERAS_TF.html 所示示例是正態分佈的混合。怎樣才能對MXNet進行相同的分析?

    1熱度

    1回答

    我現在正在學習斯坦,想要實現一個簡單的混合模型。 在參考手冊(斯坦參考-2.14.0)已經有一個解決方案: data { int<lower=1> K; // number of mixture components int<lower=1> N; // number of data points real y[N]; // observations } para

    0熱度

    1回答

    我想創建一個R函數來生成3組分正常混合分佈與3個不同參數的樣本,但我不斷收到錯誤消息。 這裏是我當前的代碼 normal.mixture = function(n, mu1, sig1, w1, mu2, sig2, w2, mu3, sig3, w3) { p = c(w1, w2, w3) x=vector(mode="numeric", length=n) f

    2熱度

    1回答

    我想要用sklearn來做高斯混合,但我想我錯過了一些東西,因爲它確實無法工作。 我原來DATAS是這樣的: Genotype LogRatio Strength AB 0.392805 10.625016 AA 1.922468 10.765716 AB 0.22074 10.405445 BB -0.059783 10.625016 我想要做一個高斯混合3種成分= 3種基因

    2熱度

    3回答

    我想使用sklearn.mixture.GaussianMixture來存儲高斯混合模型,這樣我就可以稍後使用它來使用score_samples方法在採樣點生成採樣或值。這裏是一個例子,其中部件具有以下重量,平均和協方差 import numpy as np weights = np.array([0.6322941277066596, 0.3677058722933399]) mu = np

    -1熱度

    2回答

    我理解統計中變量的定義。假設我想生成的混合物的二元數據如下: 0.3正常(1,3)+ 0.7正常(2,5) 使用以下代碼: N <- 100000 #Sample N random uniforms U U <- runif(N) #Variable to store the samples from the mixture distribution ra

    0熱度

    1回答

    我正在嘗試使用sklearn.mixture.BayesianGaussianMixture來適應一組軌跡。每個軌跡由一組數據點組成,例如, t_i = {x_i1, y_i1, x_i2, y_i2, ... , x_iN, y_iN}, 其中t_i是第i個軌跡和(x_ik, y_ik)是軌跡上的第k個點。例如,x_ik可以表示步驟k中機器人的狀態,y_ik可以表示機器人採取的動作。每個GP