Dunn检验的介绍和python实现

最新推荐文章于 2024-04-12 19:43:23 发布

 LUC 

最新推荐文章于 2024-04-12 19:43:23 发布

阅读量5.6k

点赞数 2

本文链接：https://blog.csdn.net/weixin_45456209/article/details/109998031

版权

该博客介绍了如何安装和使用scikit-posthocs库中的posthoc_dunn方法进行非参数多重比较检验。通过示例代码展示了如何对数据集执行Dunn检验并获取p值。scikit-posthocs是一个用于统计后验比较的Python包，适用于多个组间的比较分析。

摘要由CSDN通过智能技术生成

1.安装scikit-posthocs包

安装命令如下：

pip install scikit-posthocs

2.举例

import numpy as np
import scikit_posthocs as sp
x = [[1,2,3,5,1], [12,31,54,5,9,8], [10,12,6,74,11]]
print(sp.posthoc_dunn(x, p_adjust = 'holm')) #输出的是一个关于p值得dataframe

scikit_posthocs.posthoc_dunn 详细介绍：
https://scikit-posthocs.readthedocs.io/en/latest/generated/scikit_posthocs.posthoc_dunn/

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

 LUC 

关注关注

2
点赞
踩
8

收藏

觉得还不错? 一键收藏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

MATLAB基础应用精讲-【数模应用】多样本Friedman检验（附python代码实现）

qq_36130719的博客

08-07

Friedman检验，是利用秩实现对多个总体分布是否存在显著差异的非参数检验方法，其原理假设是：多个配对样本来自的多个总体分布无显著差异。与比较两个样本大小关系的假设检验可以分成适用于独立样本和相关样本的两大类一样，在比较三个以上样本大小关系的非参数统计检验中，也有两类基本设计。第一种设计涉及若干独立的随机样本。这些样本的样本量可以相同也可以不同，而且每个样本中的每个个体与其它样本中的任何个体无对应关系。这种检验多个独立总体大小的非参数方法主要有Kruskal-Wallis检验和推广的中位数检验。

R语言Kruskal-Wallis检验以及Dunn’s检验实战：Kruskal-Wallis检验是单因素方差分析的非参数等价方法、Dunn’s检验以确定哪些组的中位数是有确定的统计差异的

statistics+insight+vista+power

03-04

784

1 条评论您还未登录，请先登录后发表或查看评论

Python机器学习——聚类的有效性指标

2401_83817343的博客

04-12

288

它刻画的是：在CC中属于同一类的样本对中，同时属于C∗C∗的样本对的比例为p1p1，在C∗C∗中属于同一类的样本对中，同时属于CC的样本对的比例为p2p2，FMI就是p1p1和p2p2的几何平均。它刻画了所有属于同一类的样本对（要么在CC中属于同一类，要么在C∗C∗中属于同一类），同时在C,C∗C,C∗中属于同一类的样本量的比值。它刻画的是同时隶属C,C∗C,C∗的样本对与同时不隶属于C,C∗C,C∗的样本对之和占所有样本对的比例。diam(Ck)diam(Ck)：簇CkCk中距离最远的两个点的距离；

邓恩检验：用于多重非参数比较的邓恩程序-matlab开发

05-29

Dunn 检验是 Holm-Sidak 多重 t 检验的非参数模拟。当您使用 Kruskal-Wallis 检验时，您知道您的组之间是否存在差异，但您无法对每对夫妇应用 KWtest，因为总体误差 > alpha（邦费罗尼不等式）。通过 Dunn 的测试，您可以使用多个降压比较突出显示差异的位置。该算法需要统计工具箱。

非参数检验之KW单因素方差分析和JT检验

leechee___的博客

04-21

3670

knitr::opts_chunk$set(tidy = TRUE, warning = FALSE, message = FALSE) setwd("C:/Users/213yi/Desktop/非参数统计/4-12") library(showtext) #载入库 library(ggplot2) library(MASS) library(dunn.test) library(ggthemes) library

聚类算法评价指标python实现_聚类算法及其评估指标

weixin_40008339的博客

12-03

2694

聚类(Clustering)-----物以类聚，人以群分。1.Finding groups of objectsObjects similar to each other are in the same groupObjects are different from those in other groups2.Unsupervised LearningNo labelsData driven3....

python图像分割动态域值_图像处理基本算法动态阈值分割

weixin_33156085的博客

01-29

2902

在图像处理时，受外界光线的干扰一般比较大，假如在阈值分割时采用固定阈值，那么在环境改变时分割效果受影响极大，那么为了避免此影响就必须采用动态阈值，自动求出合适的阈值进行分割。本文的介绍几种主要的图像分割方法，并给出自动阈值分割的源代码图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提．阈值法是一种传统的图像分割方法，因其实现简单、计算...

聚类分析算法概述_聚类算法-概述

cunzai1985的博客

09-22

1789

聚类分析算法概述聚类算法-概述 (Clustering Algorithms - Overview) Advertisements 广告 Previous Page 上一页 Next Page 下一页集群介绍 (Introduction to Clustering) Clustering methods are one of the most useful...

Dunn's index：这是一个用于聚类的Dunn's索引的实现。-matlab开发

05-30

邓恩指数衡量紧凑度（集群数据点之间的最大距离）和集群分离（集群之间的最小距离）。此度量用作在数据集中找到正确数量的集群的度量，其中索引的最大值表示给定索引的正确分区（集群之间的分离度最高的分区和集群之间分布的数据较少）。有关邓恩指数检查的更多信息：清晰和模糊集群的有效性指数，Malay K. Pakhira，模式识别第 37 卷，第 3 期，2004 年 3 月，第 487-501 页

scikit-posthocs:Python中的多个成对比较（事后）测试

05-05

scikit-posthocs是一个Python软件包，它提供成对多重比较的事后测试，通常在统计数据分析中执行，以评估组水平之间的差异（如果已获得ANOVA测试的统计显着性结果）。 scikit-posthocs与Pandas DataFrames和NumPy数组紧密集成，以确保快速计算以及方便的数据导入和存储。对于在他们的工作中使用Python的统计学家，数据分析师和研究人员而言，该软件包将非常有用。背景 Python统计生态系统包含多个软件包。但是，它仍然有许多空白，并且R包和功能已经超越了它。（版本1.2.0）提供的Student ， Wilcoxon和Mann-Whitney测试不适用于多个成对比较。（版本0.9.0）具有TukeyHSD测试功能，该功能需要一些额外的动作才能流畅地集成到数据分析管道中。还具有良好的辅助方法： allpairtest （适应外部

基于FCM和水平集算法的医学图像分割

03-14

FCM算法是由Dunn提出，后经Bezdek推广，在许多领域得到广泛应用。FCM算法对于处理灰度级图像中的模糊和不确定性问题具有很好的效果。然而，FCM算法对于灰度变化和噪声较为敏感，这在一定程度上限制了其应用。水平集...

聚类算法的评价指标

石头会说话的博客

04-14

3756

邓恩（dunn）指标 dunn指标指的是任意一个簇种的点最短距离除以任意两个簇之间的最长距离。DVI越大代表类间距越大、同时类内间距越小。轮廓系数（Silhouettes）样本轮廓系数 s=b−amax(a,b) s=\frac {b-a}{max(a,b)} s=max(a,b)b−a 总体轮廓系数 sc=1NΣi=1Ns sc=\frac1N\Sigma_{i=1}^Ns sc=N1Σi=1Ns 其中 a：某个样本与其所在簇内其他样本的平均距离 b：某个样本与其他簇样本的平均距离所有样本的轮

统计检验问题:Friedman Test,Nemenyi test检验和Bonferroni-Dunn test检验

02-19

6608

统计检验

多组两两比较用什么检验方法_手把手教你多组独立样本的非参数检验及两两比较...

最新发布

09-13

这是一个基于Spring boot框架开发的简单AJAX评论系统，整合了Spring Data JPA、Hibernate、jQuery等技术。系统可实现评论的创建、查看、编辑和删除等功能，为网站或应用程序提供用户互动功能。该项目提供了详细的运行指南，包括项目导入、环境配置、数据库设置、应用属性配置以及运行命令等。用户可以通过访问指定的URL使用该系统，同时可通过邮件提供反馈和建议。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。

基于thinkPHP6+的站长必备工具箱最新在线工具箱网站系统源码分享下载

09-13

dunn指数的python实现

06-11

Dunn指数是一种用于聚类质量评估的指标，它可以衡量类簇内部的紧密度和类簇之间的分离度。其计算公式为： Dunn = min_{i!=j} { min_{k} {d(i,j) / max_{l} {d(k,l)} } } 其中，i和j表示不同的类簇，k和l表示类簇中...