hello guass
编写不易如果觉得不错,麻烦关注一下~
参考:
https://blog.csdn.net/weixin_39813574/article/details/111015907
https://www.cnblogs.com/bingjianing/p/9117330.html
https://www.cnblogs.com/yanshw/p/11898408.html
https://blog.csdn.net/daniaokuye/article/details/116272253
1.求均值与协方差,下面是二维正太分布
>>> time=[1,2,3,4,5,6]
>>> cost=[4,5,3,4,8,9]
>>> import numpy as np
>>> np.array([time,cost])
array([[1, 2, 3, 4, 5, 6],[4, 5, 3, 4, 8, 9]])
>>> np.array([time,cost]).T
array([[1, 4],[2, 5],[3, 3],[4, 4],[5, 8],[6, 9]])
>>> var_matrix=np.array([time,cost]).T
>>> var_matrix
array([[1, 4],[2, 5],[3, 3],[4, 4],[5, 8],[6, 9]])
>>> mean = np.mean(var_matrix,axis=0)
>>> mean
array([3.5, 5.5])
>>> var_matrix.shape
(6, 2)
>>> sigma = np.cov(var_matrix.T)
>>> sigma
array([[3.5, 3.5],[3.5, 5.9]])
2.三维截图(应该默认高维可以!)
下面搜寻有没有直接求取多元高斯或正态分布密度函数的函数!
多元高斯分布密度函数
上式为 x 服从 k 元正态分布,x 为 k 维向量;|Σ| 代表协方差矩阵的行列式
下面测试了(0,0,0)点,和均值点的密度。
X 为3维 6个数据样本, mean 为均值,D为样本个数,利用最后一个式子可以直接求出协方差矩阵这里使用了样本数-1 作为分母
>>> X
tensor([[1., 2., 3., 4., 5., 6.],[4., 5., 3., 4., 8., 9.],[2., 2., 2., 2., 3., 3.]])
>>> ttt
tensor([[3.5000, 3.5000, 3.5000, 3.5000, 3.5000, 3.5000],[5.5000, 5.5000, 5.5000, 5.5000, 5.5000, 5.5000],[2.3330, 2.3330, 2.3330, 2.3330, 2.3330, 2.3330]])
>>> D
6
>>> 1/(D-1)*((X-ttt)@(X-ttt).t())
tensor([[3.5000, 3.5000, 0.8000],[3.5000, 5.9000, 1.2000],[0.8000, 1.2000, 0.2667]])
hello guass相关推荐
- Guass列主元消去法求解线性方程组
上篇博文讲到:Guass消去法求解线性方程组,也提到了此方法求解线性方程组存在的问题,因此有如下: 基本思想: 看不懂没关系,直接看下面的例题,会有更直观的理解,然后再回到这里继续看. 选主元的步骤( ...
- 利用高斯(Guass)算法求解2维的SVP向量
利用Guass算法求解二维的SVP function [v1,v2 ] = Gauss_svp( v1 , v2 ) %作者:192152王旭 %功能:利用Guass算法求解2维的SVP向量 %输入要 ...
- Guass列选主元消去法和三角分解法
最近数值计算学了Guass列主消元法和三角分解法解线性方程组,具体原理如下: 1.Guass列选主元消去法对于AX =B 1).消元过程:将(A|B)进行变换为,其中是上三角矩阵.即: k从1到n-1 ...
- 列选主元guass消去法
200701020110 07计算机 王再 #include <iostream.h> #include <iomanip.h> #include ...
- 顺序Guass消去法求解线性方程组的代码实现
import numpy as np def gauss(A,b):#顺序Gauss消去,要求顺序主子式均大于0.#而且只适合n阶矩阵,所以这个A式可逆的.n=A.shape[1]b=b.reshap ...
- Guass消去法求解线性方程组
基本思想: 具体消元过程: 回代解方程组: 高斯顺序消去法求解线性方程组的计算公式: 存在的问题: 这种方法不是很实用,但是通常讲求解线性方程组都会先提到这种方法,这是基础,还是需要看看.
- 数值作业:Guass全选主元消去法之C语言代码
全选主元的基本思想:当变换到第K步时,从系数矩阵的右下角(n-k+1)阶子阵中选取绝对值最大的元素,然后通过行变换与列变换将它交换到主元素a[k][k]的位置上.行变换是不影响最后求解的结果的,但是列 ...
- 【CV知识学习】early stop、regularation、fine-tuning and some other trick to be known
深度学习有不少的trick,而且这些trick有时还挺管用的,所以,了解一些trick还是必要的.上篇说的normalization.initialization就是trick的一种,下面再总结一下自 ...
- DeepMind提图像生成的递归神经网络DRAW,158行Python代码复现
作者 | Samuel Noriega 译者 | Freesia 编辑 | 夕颜 出品 | AI科技大本营(ID: rgznai100) [导读]最近,谷歌 DeepMInd 发表论文( DRAW: ...
- 矩阵树定理2020HDU多校第6场j-Expectation[位运算+期望]
矩阵树定理 用于求解图上面生成树的个数,生成树的个数等于基尔霍夫矩阵的任何一个N-1阶主子式的行列式的绝对值 矩阵树模板 struct Matrix_Tree {ll a[N][N];Matrix_T ...
最新文章
- 怎样用python批量处理文件夹_套娃式文件夹如何通过Python批量处理
- Python 的变量作用域和 LEGB 原则
- bootstrap table 搜索列formatter之后,单字节搜索异常
- angularjs 元素重复指定次数_[LeetCode] 442. 数组中重复的数据
- 删除 字符串中‘*’号 两端的除外。指针h、p分别指向第一个和最后一个字符
- 曲线曲面积分、重积分总结
- CSS 浅析position:relative/absolute定位方式
- Struts2校验器(二)之注解
- SQL必知必会第五版笔记
- 图论及其应用 2017年期末考试 答案总结
- 发光二极管pcb封装图画法_【干货】LED封装形式分类解析
- python房屋租赁系统的设计与实现_毕业设计---在线房屋租赁系统的设计与实现.doc...
- EMC Isilon存储服务器误删除虚拟机恢复过程
- UDP聊天室(代码)
- BAT的医疗春秋大梦
- FFMPEG4.1源码分析之 内存管理APIs av_freep() av_free()
- 彻底搞懂Lab 颜色空间
- 如何使用api调用AI抠图服务
- OVAL学习之第二篇
- 人在旅途——》张家界之旅:20180419