统计学习中的相关性 皮尔逊相关系数( Pearson correlation coefficient）： 度量两个变量X和Y之间的相关（线性相关） 斯皮尔曼相关性系数（spearman correlation coefficient）： 先将样本转化为等级变量，如90分为等级1，然后使用上面相关系数 ...
分类：
其他好文 时间：
2019-11-18 22:02:57
阅读次数：
161
'最喜欢通俗易懂地解释一个事情。', '<b>一、协方差：', '可以通俗的理解为：两个变量在变化过程中是同方向变化？还是反方向变化？同向或反向程度如何？', '你变大，同时我也变大，说明两个变量是同向变化的，这时协方差就是正的。', '你变大，同时我变小，说明两个变量是反向变化的，这时协方差就是负 ...
分类：
其他好文 时间：
2019-11-06 13:21:12
阅读次数：
96
导入数据pd.read_csv(filename)：从CSV文件导入数据pd.read_table(filename)：从限定分隔符的文本文件导入数据pd.read_excel(filename)：从Excel文件导入数据pd.read_sql(query,connection_object)：从SQL表/库导入数据pd.read_json(json_string)：从JSON格式的字符串导入数据
分类：
其他好文 时间：
2019-11-06 10:30:14
阅读次数：
132
[TOC] 信号的正交分解 相关系数 $$ C_{12}=\frac{\int_{t_1}^{t_2}f_1(t)f_2(t)dt}{\int_{t_1}^{t_2}f_2^2(t)dt} $$ 正交条件 $$ \int_{t_1}^{t_2}f_1(t)f_2(t)dt=0 $$ 上式为 $f_1 ...
分类：
其他好文 时间：
2019-11-05 20:08:54
阅读次数：
473
坐标变换-旋转（我们把点云原坐标系称为世界坐标系，把以本身正方向得到的坐标系称为 基坐标系） 让点云cloud 旋转到与坐标轴重回，且质心位于世界坐标系原点； 1。由cloud 本身参数求得质心，获得协方差矩阵，由协方差矩阵solver 得到 vectors 和 values, 使得vectors ...
分类：
其他好文 时间：
2019-11-05 18:48:01
阅读次数：
140
为了处理数字数据，Pandas提供了几个变体，如滚动，展开和指数移动窗口统计的权重。 其中包括总和，均值，中位数，方差，协方差，相关性等。本章讨论的是在DataFrame对象上应用这些方法。 .rolling()函数 这个函数可以应用于一系列数据。指定window=n参数，并应用适当的统计函数。 i ...
分类：
其他好文 时间：
2019-11-02 19:42:51
阅读次数：
90
原文链接 点云法线定义 对于一个三维空间的正则曲面R(u, v), 点(u, v)处的切平面(Ru, Rv)的法向量即为曲面在点(u, v)的法向量。点云是曲面的一个点采样，采样曲面的法向量就是点云的法向量。 我们给每个点一个线段来显示法线，线段的方向为法线方向，如下图所示。这种显示方法虽然简单，但 ...
分类：
其他好文 时间：
2019-10-23 09:27:44
阅读次数：
95
从多元正态分布中抽取随机样本。 多元正态分布，多正态分布或高斯分布是一维正态分布向更高维度的推广。这种分布由其均值和协方差矩阵来确定。这些参数类似于一维正态分布的平均值（平均值或“中心”）和方差（标准差或“宽度”，平方）。 np.random.multivariate_normal方法用于根据实际情 ...
分类：
其他好文 时间：
2019-10-22 22:27:52
阅读次数：
176
回归分析： 对于连续型变量使用回归分析，对于离散型变量使用方差分析。取均值之后误差便消失了，因为误差服从均值为零的正态分布。 确定性关系是指函数关系，而不确定性关系可以用函数+误差值的形式表达出来，相关关系是一种不确定关系。 相关系数可以用于去掉量纲。 只用来描述线性关系，如果原来数据不是线性关系， ...
分类：
其他好文 时间：
2019-10-22 22:13:51
阅读次数：
103
在数据挖掘中，无论是对数据进行分类、聚类还是异常检测、关联性分析，都建立在数据之间相似性或相异性的度量基础上。通常使用距离作为数据之间相似性或相异性的度量方法，常用的度量方法有欧式距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、汉明距离、余弦距离、马氏距离、Jaccard系数、相关系数、信息熵。 欧... ...
分类：
其他好文 时间：
2019-10-17 11:58:52
阅读次数：
119
