multinomial

    1熱度

    1回答

    我理解嚴格的概念,他們是不同的。但是在numpy.random.multinomial的單個試驗(或實驗)中,是否採用與numpy.random.choice相同的方式進行採樣,但對輸出進行了不同的分析? 例如: >> np.random.choice(6, size=6, replace=True, p=[1/6.]*6) >> array([2, 0, 4, 2, 5, 4]) 輸出給出

    1熱度

    1回答

    我想計算方程的解的數量,但我無法獲得任何前導。該公式是: 所有我能得到的是通過做這樣的事情, 但我不知道如何在此進行。

    0熱度

    1回答

    由於我有很多解釋性變量,我想對多項logit模型進行懲罰性估計。使用glmnet包,我會proceede如下: library(glmnet) data(MultinomialExample) cvfit=cv.glmnet(x, y, family="multinomial", type.multinomial = "grouped", parallel = TRUE) plot(cvf

    1熱度

    1回答

    下午好,我用NNET包進行邏輯迴歸時遇到了輸出問題。我想用HS_TR (Return Period)和SLR (Sea Level Rise)預測Category。 稱爲fit的多項模型已使用x.sub子集中的信息進行計算。有4級不同的類別可能1,2,3或4 x.sub: POINTID HS_TR SLR Category 4 10 0.0 3 4 10 0.6

    0熱度

    1回答

    我試圖運行MultinomiaL Naive bayes並收到以下錯誤。給出樣本訓練數據。測試數據完全相似。 def main(): text_train, targets_train = read_data('train') text_test, targets_test = read_data('test') classifier1 = MultinomialNB

    0熱度

    1回答

    我有幾個主題的數據,說明他們在方形房間的每個季度花費的時間比例。下面是一個簡單的數據: a <- rmultinom(12, 100, c(0.1, 0.4, 0.3, 0.2)) a/apply(a,2,sum) ### not running, but I would like to have something like this # glm(a ~ 1, family=multin

    6熱度

    1回答

    我正在TensorFlow中尋找類似於numpy.random.choice(range(3),replacement=False,size=2,p=[0.1,0.2,0.7]) 的內容。 最接近的Op它似乎是tf.multinomial(tf.log(p))它將輸入logits作爲輸入,但它不能取樣沒有替換。在TensorFlow中是否有其他方法可以從非均勻分佈中進行採樣? 謝謝。

    0熱度

    1回答

    我在nnet包中使用multinom()函數。我的數據有一百多萬行和四個獨立變量。功能本身在〜15分鐘內創建一個模型,我可以查看係數。 我需要訪問它們作爲一個對象雖然(與$coefficients),但我不能,除非我保存summary()它。當我嘗試總結我的模型時,它運行了30多分鐘,看不到盡頭。 是否有任何原因summary()功能需要這麼長時間,似乎是一個基本的報告工具?我如何加快速度?是否有

    1熱度

    1回答

    我有一個數據集,結合了幾年來不同國家的多項調查。根據受訪者的調查,我的因變量(lrparty)是一方的意識形態(從0到10)。我有幾個獨立變量,如年齡,性別,教育程度,黨派和受訪者的收入。 然後,對於每一方和每個調查,我想根據模態個體(例如,年齡= 31,女性= 1,教育= 2,收入= 2的受訪者繪製lrparty的預測值,以及partisan = 1)隨着時間的推移。所以,圖表看起來像:x軸=年

    0熱度

    1回答

    我想讓我的MultinomialNB工作。我在訓練和測試集上使用CountVectorizer,當然兩個setz中都有不同的詞。所以我看到,爲什麼錯誤發生,但我不知道如何解決它。我試圖CountVectorizer().transform,而不是作爲CountVectorizer().fit_transform在其他職位(SciPy and scikit-learn - ValueError: D