密度估计

python数据可视化、数据挖掘、机器学习、深度学习 常用库、IDE等

一、可视化方法条形图饼图箱线图(箱型图)气泡图直方图核密度估计(KDE)图线面图网络图散点图树状图小提琴图方形图三维图二、交互式工具Ipython、IpythonnotebookPlotly三、PythonIDE
weixin_33877092·2020-06-28 07:51

核密度图（直方图的拟合曲线）

核密度图可以看作是概率密度图，其纵轴可以粗略看做是数据出现的次数，与横轴围成的面积是一.法一：seaborn的kdeplot函数专门用于画核密度估计图.参考：https://www.jianshu.com
weixin_30847271·2020-06-28 01:16

机器学习实战笔记（一）KNN算法

与之相对的无监督学习分为聚类和密度估计，此时数据没有类别信息，也不会给定目标值。2.K-近邻算法k近邻算法就是分类
HJ_彼岸·2020-06-27 08:07

CRSNet: Dilated Convolutional Neural Networks for Underatanding the Highly Congested Scenes

DilatedConvolutionalNeuralNetworksforUnderatandingtheHighlyCongestedScenes针对复杂场景拥挤场景理解提出了一个CSRNet，该网络主要包含两个部分，前端使用一个卷积网络用于2D特征提取，后端采用一个dilatedCNN.该网络在几个公开人群密度估计数据库上取得了不错的效果
Kun Li·2020-06-27 03:26

核密度

1.核密度简介简单地讲，核密度估计是对直方图的一个自然拓展https://blog.csdn.net/unixtch/article/details/78556499这个链接是对核密度介绍比较详细的一篇文章
云上小白·2020-06-26 14:59

简述机器学习

什么是机器学习机器学习的主要任务分类知识表示回归非监督学习聚类密度估计机器学习的几个主要算法如何选择合适的算法开发机器学习应用程序的步骤收集数据准备输入数据分析输入数据训练算法测试算法使用算法什么是机器学习机器学习不是让一些结构披上
李庆鑫71·2020-06-25 15:51

Spark MLLib从入门实战小例子

相关性系数）tratifiedsampling（分层取样）hypothesistesting（假设检验）randomdatageneration（随机数生成）Kerneldensityestimation（核密度估计
春夏秋冬呢·2020-06-25 11:12

异常检测的方法整理

基于密度的技术对象的密度估计可以相对直接地计算，特别是当对象之间存在邻近度度量时，低密度区域中的对象
皓波·2020-06-25 04:00

基于分位数回归最简门结构记忆网络和核密度估计的概率预报方法（QRMGM-KDE）

本研究提出一种基于分位数回归最简门结构记忆网络（QRMGM）和核密度估计（KDE）的概率预报方法用于预测风速和量化预报不确定性。
贼贼弟·2020-06-24 11:35

Mean-Shift算法

原文地址：http://blog.csdn.net/hjimce/article/details/45718593作者：hjimce一、meanshift算法理论Meanshift算法是基于核密度估计的爬山算法
JianzhuWang·2020-06-24 00:53

18-19基于预训练的语言模型对比

RNNs>CNNs2.前馈/循环网络or串行/并行计算MLP/CNNs/Transformer：前馈/并行RNNs/Transformer-XL：循环/串行3.自回归vs自编码自回归：文本序列联合概率的密度估计
秃然变强了·2020-06-23 23:48

基于MeanShift的目标跟踪算法及实现

MeanShift的目标跟踪算法，首先谈谈简介，然后给出算法实现流程，最后实现了一个单目标跟踪的MeanShift算法【matlab/c两个版本】csdn贴公式比较烦，原谅我直接截图了…一、简介首先扯扯无参密度估计理论
taotao1233·2020-06-23 22:13

scipy stats 和statsmodel 区别

还有一些不成体系的估计方法（随机变量自己当然也有估计方法），如核密度估计等。这一点有点像numpy在围绕着数组向量基础上提供一些不成体系的（常用）方法的感觉。
hellocsz·2020-06-23 13:22

Python高级可视化库seaborn分布分析(基础整理)

（2）kdeplot，核密度估计的步骤：每一个观测附近用一个正态分布曲线近似；叠加所有观测的正态分布曲线；归一化bandwidth(bw参数)用于近似的正态分布曲线的宽度。
Young_win·2020-06-23 02:05

核模型（核密度估计）

1、核模型（Kernelfunction）在线性模型中，多项式或三角函数等基函数与训练样本{（xi,yi）}毫不相关的。下面我们介绍一种模型，在基函数设计的时候会使用到输入样本{xi}。note：是在基函数设计的时候使用到样本，那么训练的是什么？下面看公式。核模型，是以使用被称为核模型的二元函数K(.,.),的线性结合方式加以定义的。上面的theta就是我们要学习的对象，注意theta为一个向量，
alex-zhou96·2020-06-22 09:53

[Python3] Matplotlib —— (六) 频次直方图、数据区间划分和分布密度

文章目录七、频次直方图、数据区间划分和分布密度（一）简易频次直方图（二）二维频次直方图与数据区间划分1.plt.hist2d：二维频次直方图2.plt.hexbin：六边形区间划分3.核密度估计[Matplotlibversion
TreasureAI·2020-06-22 07:26

参数模型与非参数模型

统计专业中有一门课程叫做《非参数统计》，研究的对象就是秩检验、核密度估计等。
sinat_27652257·2020-06-21 07:27

matplotlib-柱状图+拟合线

"""柱状图+拟合曲线displotkde:是否显示核密度估计图，默认显示，设置False不显示kde=False,rug:默认为False不显示，设置为True显示观测的小细条(边际毛毯)hist:设置是否显示条形图
迷路在代码中·2020-06-21 00:38

维度规约（特征的提取和组合）

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-04-13 07:00

非参数估计——核密度估计（Parzen窗）

核密度估计，或Parzen窗，是非参数估计概率密度的一种。
颀周·2020-04-11 20:00

特征工程与数据预处理

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-04-05 05:33

使用statsmodels实现线性回归

马尔可夫切换模型（MSAR），也称为隐马尔可夫模型（HMM）生存分析:多变量:非参数统计：单变量和多变量核密度估计其他模型什么是线性回归？
zhangfengBX·2020-04-04 22:02

增强学习

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-04-01 08:08

异常检测（一）

密度估计（DensityEstimate）现假设数据集为{x(1),x(2),···,x(m)}，我们根据相关信息了解到该数据集中的数据是正常的，但我们想要知道对于新数据xtest是否为异常数据。
SmallRookie·2020-03-18 12:26

非参数方法——决策树实现的判别式

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-03-06 10:59

半参数方法

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-03-05 23:03

Tableau数据可视化(part2：设计原则)

分布图使用一种叫做核密度估计的方法进行近似估计，你不需要了解该方法，但是该方法很神奇，你可以在此处了解详情。和箱形图相似，通常也会包含区间，但是也会显示实际数据分布。小提琴图几乎适合所有情况。它们会
快乐自由拉菲犬·2020-03-04 21:01

论文翻译：2000_narrowband to wideband conversion of speech using GMM based transformation

该方法基于高斯混合模型(GMM)将输入语音的窄带频谱包络变换为宽带频谱包络，并采用联合密度估计技术对其参数
凌逆战·2020-02-26 17:00

监督学习——关联规则

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-18 10:06

[机器学习]第九章 聚类

9.1聚类任务常见的无监督学习任务密度估计异常检测聚类聚类任务将数据集划分为若干个不相交的子集，为每一个样本标上一个簇标记(表示这个样本属于哪个簇)，于是得到一个簇标记向量9.2性能度量在开始一项机器学习任务之前
两全丶·2020-02-16 23:49

散落天涯一一告别就是遇见的开始

印象照重庆的人口密度估计为全国重点城市，但乱的很让人喜欢，热闹的觧放碑、洪崖洞照张纪念像的难度超过了躲迷藏，印证了人是群居动物的说法。
快乐燕子·2020-02-16 02:50

非参数方法——密度估计

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-14 00:17

参数的贝叶斯估计

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-13 18:07

非监督学习——聚类

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-13 15:26

局部模型

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-13 07:16

集成学习——组合多学习器

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-12 04:35

Machine Learning (一)

有明确目标回归和分类典型方法回归模型：线性回归，岭回归，LASSO和回归样条分类模型：逻辑回归，K近邻，决策树，支持向量机等无监督学习（unsupervisedlearning）数据集中的样本没有标签，没有明确目标聚类，降维，排序，密度估计
小喵钓鱼·2020-02-11 18:00

机器学习实验

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-11 16:38

监督学习——分类（基于判别式的方法）（参数方法——判别式参数估计）

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-11 16:31

支持向量机与核机器

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-10 05:20

多层感知器——非参数估计器

基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习——聚类第九部分非参数方法——密度估计第十部分非参数方法
有机会一起种地OT·2020-02-06 11:28

概率密度估计介绍

在学概率论时，常常会看到各种稀奇古怪的名字，有的书上只介绍了该如何求解，但是从不介绍为什么这么叫以及有什么用，本文就介绍一下概率密度估计是什么以及是干什么用的,主要参考JasonBrownLee大神的一篇博文进行介绍
marsggbo·2019-12-29 15:00

机器学习-聚类

其他常见的无监督学习还有密度估计，异常检测等。聚类就是对大量未知标注的数据集，按照数据的内在相似性将数据集划分为多个类别（在聚类算法中称为簇），使类别内的数据相似度高，二类别间的数据相似度低。
hiyoung·2019-12-24 13:20

模式识别复习整理

本课程的重点知识包括：贝叶斯决策、概率密度估计、参数法、非参数法、线性分类器设计、神经网络、支撑向量机、聚类分析、特征提取和选择。
城市中迷途小书童·2019-12-17 00:05

核密度估计Kernel Density Estimation(KDE)概述 密度估计的问题

https://blog.csdn.net/pipisorry/article/details/53635895由给定样本集合求解随机变量的分布密度函数问题是概率统计学的基本问题之一。解决这一问题的方法包括参数估计和非参数估计。参数估计参数估计又可分为参数回归分析和参数判别分析。在参数回归分析中，人们假定数据分布符合某种特定的性态，如线性、可化线性或指数性态等，然后在目标函数族中寻找特定的解，即确
麒麟楚庄王·2019-12-15 21:11

机器学习之KDE核密度估计(使用Ep函数)

本文介绍了基于Epanechnikov核函数的核密度估计方法进行初步的前景检测。
一技破万法·2019-12-01 22:18

使用mclust进行聚类分析

mclust(Model-basedclustering)能够基于高斯有限混合模型进行聚类，分类以及密度估计(densityestimation)。
徐洲更hoptop·2019-11-30 01:46

Arxiv网络科学论文摘要12篇(2019-03-20)

通过治理网络实施科技政策;行人的身体旋转行为在通过和交叉流动中避免碰撞;武装冲突数据的涌现规则性和尺度率;追踪演化社会网络中社区的不同方法的比较研究;基于差分隐私共识的分布式优化;基于小波变换和机器学习的人群密度估计
ComplexLY·2019-11-29 12:11

系统学习机器学习之特征工程（四）--分箱总结

这在创建概率质量函数时非常有用-正式地，在密度估计中。它是一种离散化的形式，也可以是分组，如制作直方图。每当连续数据离散化时，总会存在一定程度的离散化误差。
Eason.wxd·2019-11-18 13:15

最大似然估计（MLE）、最大后验估计（MAP）和贝叶斯估计

因此，给定一堆观测数据集（假定数据满足独立同分布），我们需要有一个解决方案来确定这些参数值的大小，以便能够利用分布模型来做密度估计，这就是参数估计。首先需要说明的是，这三种方法都是用来参
mch2869253130·2019-09-25 14:26
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他