需要对数据进行函数拟合，首先画一下二维散点图，目测一下大概的分布， 所谓正态分布，就是高斯分布，正态曲线是一种特殊的高斯曲线。 python的scipy.optimize包里的curve_fit函数来拟合曲线，当然还可以拟合很多类型的曲线。scipy.optimize提供了函数最小值(标量或多维)、 ...
分类：
编程语言 时间：
2019-06-02 15:49:12
阅读次数：
221
Regression Shrinkage and Selection via the lasso 众所周知，Robert Tibshirani是统计领域的大佬，这篇文章在1996年提出了LASSO，之后风靡整个高维领域，并延伸出许多种模型。这篇文章截止2019.5.16已经获得了27991的引用量（ ...
分类：
其他好文 时间：
2019-05-16 12:34:14
阅读次数：
133
高斯函数与正态分布 高斯函数或者说正态分布函数在很多场合都得到广泛应用，其是概率论和统计学的核心，在最大似然估计、贝叶斯估计中必不可少。其也是稀疏贝叶斯估计的重要基础。下面对高斯函数的一些基本知识点进行归纳和总结，不当之处，欢迎批评指正。 (1) 高斯函数高斯函数定义如下\begin{equatio ...
分类：
其他好文 时间：
2019-05-13 09:17:03
阅读次数：
185
分布图通过将数据的经验分布与指定分布预期的理论值进行比较，直观地评估样本数据的分布。除了更正式的假设检验之外，还使用分布图来确定样本数据是否来自指定的分布。要了解假设检验，请参阅假设检验。 统计和机器学习工具箱?提供了几种分布图选项： 正态概率图 - normplot用于评估样本数据是否来自正态分布 ...
分类：
其他好文 时间：
2019-05-10 15:02:27
阅读次数：
258
正太分布：也叫（高斯分布Gaussian distribution），是一种随机概率分布 机器学习中numpy.random如何生成这样的正态分布数据，本篇博客记录这样的用法 import numpy as np# a = np.random.randint(1,10,size=2) # 最小值,最 ...
分类：
编程语言 时间：
2019-05-07 19:41:46
阅读次数：
335
对于原始数据分布倾斜 利用统计或数学变换来减轻数据分布倾斜的影响。使原本密集的区间的值尽可能的分散， 原本分散的区间的值尽量的聚合。 Log变换通常用来创建单调的数据变换。它的主要作用在于帮助稳定方差，始终保持分布 接近于正态分布并使得数据与分布的平均值无关。 y=logc(1+λx) λ通常设置为 ...
分类：
其他好文 时间：
2019-04-29 12:58:32
阅读次数：
164
三维配准中经常被提及的配准算法是ICP迭代的方法，这种方法一般般需要提供一个较好的初值，也就是需要粗配准，同时由于算法本身缺陷，最终迭代结果可能会陷入局部最优，导致配准失败，往往达不到我们想要的效果。本文介绍的是另一种比较好的配准算法，NDT配准。所谓NDT就是正态分布变换，作用与ICP一样用来估计 ...
分类：
其他好文 时间：
2019-04-14 16:15:23
阅读次数：
710
标准化方法 Z score Normalization Z score normalization 又叫 standardization (规范化)，将特征进行缩放使得其具有均值为0，方差为1的标准正态分布的特性。 $$ z = \frac{x \mu}{\sigma} $$ 其中均值$\mu = ...
分类：
其他好文 时间：
2019-04-13 00:46:57
阅读次数：
420
问题提出 正态分布检验一次只能检验一个分组，如果有多组数据需要检验，则需要运行多次 解决思路 使用循环命令可以实现按一定规则计算。 如果以后也经常需要使用，写成脚本调用更方便些，需要使用的时候直接调用即可。 脚本针对的场景相对直接使用循环命令更广泛写，如果仅使用循环命令，很多参数与类型定义直接使用数 ...
分类：
其他好文 时间：
2019-03-17 15:45:26
阅读次数：
172
