multinomial

    1热度

    1回答

    我理解严格的概念,他们是不同的。但是在numpy.random.multinomial的单个试验(或实验)中,是否采用与numpy.random.choice相同的方式进行采样,但对输出进行了不同的分析? 例如: >> np.random.choice(6, size=6, replace=True, p=[1/6.]*6) >> array([2, 0, 4, 2, 5, 4]) 输出给出

    1热度

    1回答

    我想计算方程的解的数量,但我无法获得任何前导。该公式是: 所有我能得到的是通过做这样的事情, 但我不知道如何在此进行。

    0热度

    1回答

    由于我有很多解释性变量,我想对多项logit模型进行惩罚性估计。使用glmnet包,我会proceede如下: library(glmnet) data(MultinomialExample) cvfit=cv.glmnet(x, y, family="multinomial", type.multinomial = "grouped", parallel = TRUE) plot(cvf

    1热度

    1回答

    下午好,我用NNET包进行逻辑回归时遇到了输出问题。我想用HS_TR (Return Period)和SLR (Sea Level Rise)预测Category。 称为fit的多项模型已使用x.sub子集中的信息进行计算。有4级不同的类别可能1,2,3或4 x.sub: POINTID HS_TR SLR Category 4 10 0.0 3 4 10 0.6

    0热度

    1回答

    我试图运行MultinomiaL Naive bayes并收到以下错误。给出样本训练数据。测试数据完全相似。 def main(): text_train, targets_train = read_data('train') text_test, targets_test = read_data('test') classifier1 = MultinomialNB

    0热度

    1回答

    我有几个主题的数据,说明他们在方形房间的每个季度花费的时间比例。下面是一个简单的数据: 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热度

    1回答

    我正在TensorFlow中寻找类似于numpy.random.choice(range(3),replacement=False,size=2,p=[0.1,0.2,0.7]) 的内容。 最接近的Op它似乎是tf.multinomial(tf.log(p))它将输入logits作为输入,但它不能取样没有替换。在TensorFlow中是否有其他方法可以从非均匀分布中进行采样? 谢谢。

    0热度

    1回答

    我在nnet包中使用multinom()函数。我的数据有一百多万行和四个独立变量。功能本身在〜15分钟内创建一个模型,我可以查看系数。 我需要访问它们作为一个对象虽然(与$coefficients),但我不能,除非我保存summary()它。当我尝试总结我的模型时,它运行了30多分钟,看不到尽头。 是否有任何原因summary()功能需要这么长时间,似乎是一个基本的报告工具?我如何加快速度?是否有

    1热度

    1回答

    我有一个数据集,结合了几年来不同国家的多项调查。根据受访者的调查,我的因变量(lrparty)是一方的意识形态(从0到10)。我有几个独立变量,如年龄,性别,教育程度,党派和受访者的收入。 然后,对于每一方和每个调查,我想根据模态个体(例如,年龄= 31,女性= 1,教育= 2,收入= 2的受访者绘制lrparty的预测值,以及partisan = 1)随着时间的推移。所以,图表看起来像:x轴=年

    0热度

    1回答

    我想让我的MultinomialNB工作。我在训练和测试集上使用CountVectorizer,当然两个setz中都有不同的词。所以我看到,为什么错误发生,但我不知道如何解决它。我试图CountVectorizer().transform,而不是作为CountVectorizer().fit_transform在其他职位(SciPy and scikit-learn - ValueError: D