我想通过type="bca"将library("boot")中的boot()和boot.ci()函数用于非常大的数据集(约50000)。如果R(bootstraps数)太小，则会出现以下错误：
Error in bca.ci(boot.out, conf, index[1L], L = L, t = t.o, t0 = t0.o, :什么是R的好数字？我知道这取决于数据的大小。
浏览 2提问于2012-08-05得票数 6
回答已采纳
我试图使用R的boot.ci软件包的boot计算偏差-和斜修正的引导置信区间从参数引导。唯一能让事情正常工作的方法是显式地计算刀形估计值(使用empinf()和data参数)，并将它们输入boot.ci。参数bca区间的公式是不一样的，它依赖于当存在干扰参数时最不利的家族可能性的导数，就像在您
浏览 2提问于2011-09-28得票数 21
1回答
我试图通过寻找人们会使用的最优N单位来最大化效用函数。其中一个限制是他们的钱有限，m。所以我试图建立一个约束，长度为3的数组，N乘以价格，P也是长度为3的数组，不能大于m。如下例所示：N = np.array([1,2,1])sum(P*N) > m输出：P: [ 5. 14
浏览 48提问于2016-01-12得票数 18
回答已采纳
我使用一个函数引导了两个变量(其中一个已经在"Impala.csv“文件中)，该函数用于重新计算和报告一个样本的平均值，即nrow(data)大小，重复5000次。d<-(pi/2)*(boot4000*(1/allo))
现在我希望找到这方面的BCa置信区间，但据我所知，引导函数将要求我创建一组新的resample，但我不想这样做，因为引导已经完成。我现在所需要的只是一个函数，它将以我的引导数据为原样，并确定<em
浏览 1提问于2017-01-22得票数 3
回答已采纳
1回答
我需要优化一个函数(找到它的最小值)。该函数使用向量w进行参数化。所以我所做的基本上是计算函数相对于每个参数的偏导数。然后，我简单地使用梯度下降。然而，据我所知，我们可以使用比梯度下降更复杂的优化方法，这些方法不需要参数来调优或关心。我想在numpy或scipy中尝试其中一种方法，但我不知道如何做到这一点。我需要的</e
浏览 2提问于2014-05-20得票数 2
1回答
如果我们假设这是梯度下降法的公式：
x_{n+1}=x_n-\lambda\cdot{{df(x)}\over{dx}},\ n=0,1,2,3,...由于我们没有精确的值，而不是导数，这是否意味着我们减去导数的值，并且只用于控制x的下一个位置的方向？为什么我们要减去导数，而不减去依赖于x的任何其他值？
浏览 0提问于2021-06-11得票数 1
回答已采纳
1回答
各类机器学习优化算法是什么？在某些地方，它提到优化算法分为两大类-也有一些人把它归类为-而其他人则认为-在所有这些分类之后，我似乎无法理解什么属于什么类别，如果存在的话，请把我指向任何分类树。
浏览 0提问于2018-03-27得票数 0
回答已采纳
据我所知，梯度实际上达到了全局最小，梯度下降试图采取步骤，他认为是最低的方向。我知道从复函数中计算梯度不是一个平凡的问题，但假设我们是一个使用二次代价函数的神经网络，那么计算梯度并得到实际的全局极小值会很困难吗？
浏览 0提问于2018-03-02得票数 0
回答已采纳
我试图使用scipy.optimize.minimize来最小化一个复杂的函数。事后我注意到，minimize函数将目标函数和导数函数作为单独的参数。不幸的是，我已经定义了一个函数，它同时返回目标函数值和一阶导数值--因为这两个值是在for循环中同时计算的。我认为没有一种好的方法可以将我的函数分为两部分，如果程序实际上运行了相同的for循环两次。(FYI，我正在编
浏览 3提问于2014-05-01得票数 2
回答已采纳
1回答
我使用了非负线性最小二乘算法的实现，该算法在向量x≥0的所有元素的约束下求解||A x - b||^2。这是很好的工作，但我想增加进一步的限制。我感兴趣的是：
最小化“x导数中的能量”||A x - b||^2 + m ||H x||^2，其中H是恒等式的
浏览 2提问于2011-11-12得票数 3
回答已采纳
1回答
有人能用一种简单而不那么数学的方式向我解释什么是Hessian，以及在优化神经网络的学习过程时，它是如何在实践中工作的？
浏览 2提问于2014-04-25得票数 10
回答已采纳
我有一个关于PD控制中的噪声现象的问题。给定的系统只是其中x是像位移这样的状态变量，xd是期望的状态(设置点)，上标(')是变量的时间导数，k和d分别是PD增益。我正在使用欧拉法来实时求解方程(1)。如果xd是从正弦函数自动生成的，则PD控制可以很好地工作
浏览 1提问于2014-05-08得票数 0
我试图做一些参数估计，并希望选择参数估计，以最小化预测方程中的平方误差，在大约30个变量上。如果方程是线性的，我只需要计算30个偏导数，把它们都设为零，然后使用线性方程求解器。但不幸的是，方程是非线性的，方程的导数也是非线性的。
如果方程是通过一个单一的变量，我将只使用 (也称为牛顿-拉夫森)。Web上有丰富的示例和代码来实现牛
浏览 6提问于2008-12-24得票数 12
回答已采纳
1回答
我正在使用XGBoost和dataset运行XGBRegressor，如下所示：5 |20 | 200 | 48 | 200 | 0
收入是因变量，其余的变量是特征是否有任何情况(模型参数或奇怪的数据点的组合)可能导致xgboost训练错误增加？
浏览 2提问于2016-07-24得票数 4
2回答
如何从具有缓慢变化的y=kx+b斜率的噪声信号中滤除一阶导数？k可以随时间缓慢变化，我想估计它的值。
最小二乘，回归和FIR滤波器(矩形窗口除外
浏览 9提问于2017-07-12得票数 0
我试图最小化一个相当复杂的非线性问题，因为我有解析Jacobians和Hessians，我想使用牛顿共轭梯度最小化。但是，我在使用Newton-CG方法scipy.optimize.minimize时并没有得到很好的结果，而是开始修改trust-ncg方法。I am得到了更好的结果，所以我想使用这种最小化方法。我的问题是，对于“信任半径”，我真的没有任何意义，所以
浏览 7提问于2017-10-25得票数 2
1回答
我有一个非函数(不是封闭形式)，它接受一些参数(大约20个)并返回一个实际值。其中一些参数是离散的，而其他参数是连续的。其中一些参数只能从有限的值空间中选择。由于我没有封闭形式的函数，所以不能使用任何基于梯度的方法。然而，这些参数的离散性和盒式约束甚至限制了可供我使用的导数自由优化技术
浏览 0提问于2014-12-20得票数 5
回答已采纳
我试着理解Curve_fit的源代码，但这对我来说太难了。我设想该算法是在每个参数的每个区间内为所有数据点求取Chi^2的局部最小值。如果这样做，默认间隔有多大，参数的每次试用之间的</
浏览 0提问于2018-04-12得票数 1
回答已采纳
我已经寻找了很长时间的答案，但仍然没有解决办法，我可以完成我的目标.我有保留引号列表的内容类型，我把它命名为一个。示例(非代码)所以.我使用视图(块)在页面中显示一个引号and...HERE是我想要
浏览 0提问于2015-05-01得票数 0
回答已采纳
创建了一个目标函数问题是，无论我使用什么初始猜测，最小化函数都会继续使用这个数字。例如:如果我使用15作为初始猜测，求解器不会尝试任何其他数字，并说答案是15。我确定ere是代码的问题，但我不确定在哪里。
浏览 2提问于2012-11-14得票数 4
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
