- 博客(5)
- 收藏
- 关注
转载 离散点差值(等高线)
A=[1.486,3.059,0.1;2.121,4.041,0.1;2.570,3.959,0.1;3.439,4.396,0.1; 4.505,3.012,0.1;3.402,1.604,0.1;2.570,2.065,0.1;2.150,1.970,0.1; 1.794,3.059,0.2;2.121,3.615,0.2;2.570,3.473,0.2;3.421,4.160,0.2; 4.271,3.036,0.2;3.411,1.876,0.2;2.561,2.562,0.2;2.179,2.42
2021-04-02 12:51:12
537
原创 混合高斯模型
单高斯模型 当样本数据X是一维数据时,高斯分布(正态分布)服从下方概率密度函数,可以用于描述一种数据分布情况。 当样本是多维时,概率密度函数如下: 应用原因 对于一个分布由K个簇组成,使用单独的高斯分布很难描述数据的分布情况(如下图所示),这时可通过混合模型来描述。将多个高斯模型按照一定的权重混合为一个模型。 模型变量 高斯混合模型中所涉及的变量包括:混合模型的数量K,每个模型对应的分布(μi,δi),及其对应的权值αi。 混合模型的概率分布为: 其中theta=(μ,δ,α) 模型训练 对于单高
2020-07-02 22:47:23
191
原创 t-SNE
介绍:t-SNE是一种高维数据可视化的一种算法,将高维数据嵌入到二维或三维空间中。 假设:尽管现实世界中的很多数据是嵌入在高维空间的,但是都具有很低的内在维度。也就是说高维数据经过降维后,在低维状态下能够显示其本质特性。 t-SNE使用教程 import numpy as np import sklearn from sklearn.manifold import TSNE from sklearn.datasets import load_digits # Random state. RS = 2015
2020-06-25 21:47:58
196
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人