方差缩减——分层抽样
方差缩减——分层抽样
分成4个子区间
import numpy as npn = 500
estimates = np.empty([100, 2])def g(x):if x >= 0 and x <= 1:y = np.exp(-x) / (1 + x ** 2)else:y = 0return ydef get_mean(X):results = []for x in X:results.append(g(x))return np.mean(results)for i in range(100):estimates[i, 0] = get_mean(np.random.uniform(0, 1, n))t2 = []t2.append(get_mean(np.random.uniform(0, 0.25, int(n / 4))))t2.append(get_mean(np.random.uniform(0.25, 0.5, int(n / 4))))t2.append(get_mean(np.random.uniform(0.5, 0.75, int(n / 4))))t2.append(get_mean(np.random.uniform(0.75, 1, int(n / 4))))estimates[i, 1] = np.mean(t2)print(np.var(estimates, axis=0))
输出:[1.11658751e-04 8.00280336e-06]
分成100个子区间
import numpy as npn = 500
estimates = np.empty([100, 2])def g(x):if x >= 0 and x <= 1:y = np.exp(-x) / (1 + x ** 2)else:y = 0return ydef get_mean(X):results = []for x in X:results.append(g(x))return np.mean(results)intervals = np.linspace(0, 1, 100)for i in range(100):estimates[i, 0] = get_mean(np.random.uniform(0, 1, n))t2 = []for j in range(99):t2.append(get_mean(np.random.uniform(intervals[j], intervals[j + 1], int(n / 100))))estimates[i, 1] = np.mean(t2)print(np.var(estimates, axis=0))
输出:[1.15212447e-04 1.57478224e-08]
方差缩减——分层抽样相关推荐
- 第二话 统计计算之蒙特卡洛积分和方差缩减技术(未完待续)
统计计算 第一话 统计计算之随机变量生成方法 第二话 统计计算之蒙特卡洛积分和方差缩减技术 提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档 蒙特卡洛积分和方差缩减技术 统计计算 前言 ...
- 【阿里妈妈数据科学系列】第三篇:离线抽样框架下的AB Test
在 AB Test 的语境中,"离线抽样"指在实验开始之前就确定实验组和对照的抽样方式.很显然,离线抽样的对象不是实时产生的流量,相反,离线抽样框架下的 AB Test 更接近于传 ...
- 金融工程中的蒙特卡罗方法
<金融工程中的蒙特卡罗方法> 基本信息 原书名:Monte Carlo Methods in Financial Engineering 作者: Paul Glasserman 译者: 范 ...
- 《Introducing Monte Carlo Methods with R》第四章笔记
误差理论,方差监测和加速收敛 引言--蒙特卡罗积分方法的基本误差理论 马尔科夫不等式 如果X仅取非负值,则对于任意a>0:P(X≥a)≤E(X)aP(X\geq a) \leq \frac{E( ...
- 如何在机器学习的框架里实现隐私保护?
编者按:数据时代,人们从技术中获取便利的同时,也面临着隐私泄露的风险.微软倡导负责任的人工智能,因此机器学习中的隐私保护问题至关重要.本文介绍了目前机器学习中隐私保护领域的最新研究进展,讨论了机密计算 ...
- MMD_6b_DecisionTree
overview construct 构建决策树的时候需要考虑以下问题: 什么时候停止 如果不停止,那么以什么变量的什么特征构建二叉树 如果停止,那么预测的是什么 split categorical ...
- 《强化学习周刊》第40期:PMIC多智能体强化学习、Lazy-MDPs、CTDS
No.40 智源社区 强化学习组 强 化 学 习 研究 观点 资源 活动 周刊订阅 告诉大家一个好消息,<强化学习周刊>已经开启"订阅功能",以后我们会向您自动推送最 ...
- 《强化学习周刊》第28期:UNCC提出全新脑-机交互学习模式:内在互动强化学习...
No.28 智源社区 强化学习组 强 化 学 习 研究 观点 资源 活动 关于周刊 强化学习作为人工智能领域研究热点之一,其研究进展与成果也引发了众多关注.为帮助研究与工程人员了解该领域的相关进展和 ...
- 综述 | 深度学习中的优化理论
来源:运筹OR帷幄 本文约5200字,建议阅读10+分钟. 展望未来研究趋势,拒绝做调参侠从我开始. 标签:人工智能 神经网络的训练主要通过求解一个优化问题来完成,但这是一个困难的非线性优化问题,传统 ...
- 资源 | UC Berkeley CS 294深度强化学习课程(附视频、学习资料)
来源:机器之心 本文共4000字,建议阅读10分钟. 本文主要介绍了课程中的强化学习主题,涉及深度强化学习的基本理论与前沿挑战. CS294 深度强化学习 2017 年秋季课程的所有资源已经放出.该课 ...
最新文章
- vba 编辑combobox内容_初识Visual Basic编辑器并建立一段简单的代码
- C#下调用WMI查询系统信息
- Java基础、多线程、JVM、集合八股文自述(持续更新)
- Struts2 @ResultPath注释示例
- thymeleaf中遇到的坑
- mysql binlog 权限_MySQL如何开启binlog?binlog三种模式的分析
- Anaconda 下libsvm的安装
- 剑指Offer之扑克牌顺子
- 全球移动支付发展现状移动支付之综述篇
- 计算机硬盘序列号是空白,为什么小弟我的获取硬盘序列号的代码,在有些电脑下没法获取到硬盘序列号,即返回值为空白...
- HTML中怎么点击超链接让新页面在另一个窗口打开?
- 结构化程序设计方法:自顶向下,逐步求精
- 在vue项目中使用骨架屏
- easyar no matched package name
- 开源网安实现高效、高精度的静态应用安全检测 -CodeSec
- 几张表格怎么联动_在excel 中,怎样实现数据关联?:excel怎么把几个表格的数据联动...
- P8198 [传智杯 #4 决赛] 背单词的小智 二分答案+前缀和
- WADISWAT数据处理
- 龙芯1D处理器用户手册
- 2011年全球手机市场十大事件