mle

    0

    1答えて

    NLPの最大可能性を理解しようとしています。 (9ページ) http://www.phontron.com/slides/nlp-programming-en-01-unigramlm.pdfと私はマニングとSchützeにより、統計的言語処理の基礎で同じ式を見た:私はこのpresntationを見ていました。 は今、私はそれがこの程度であるMLEを理解する方法: 私は実験の結果を知っているが、私

    -1

    1答えて

    これは負の2項分布のための私の尤度関数です。このエラーを得るには間違って何をしていますか? K + Zでのエラー:非数値引数のバイナリオペレータへ R code

    0

    2答えて

    私が知っている重みを使ってランダムに1000データポイントを生成しました。今、私はsig^2の値と重みを推定する-log尤度関数を最小にしようとしています。私はプロセスを概念的に分類していますが、コード化しようとすると失われてしまいます。 これは私のモデルである: p(y|x, w, sig^2) = N(y|w0+w1x+...+wnx^n, sig^2) 私は今しばらくの間、グーグルでてき

    0

    1答えて

    私はMATLABの環境に新しく、どれだけ苦労しても、多変量ベルヌーイのMLアルゴリズムを構築する方法の概念を理解できないようです。 私はN個の変数(x1、x2、...、xN)のデータセットを持ち、各変数はD次元(Dx1)のベクトルであり、パラメータベクトルはp =(p1、p2 ,. ..、pD)。私のデータセットからの推定確率のDベクトルを与える for n=1:D prob(n)=ml

    -1

    1答えて

    私はシミュレーションの研究をしており、次のRコードを書いています。ループを2つ使用せずにこのコードを書いたり、より効率的にする(より速く実行する)方法はありますか? S = 10000 n = 100 v = c(5,10,50,100) beta0.mle = matrix(NA,S,length(v)) #creating 4 S by n NA matrix beta1.mle =

    0

    1答えて

    私は最尤推定量に取り組んでおり、パラメータの1つはdigamma関数を使って推定されています。私はunirootを使用して方程式を解くことを試みていますが、そうすることはできません。ここに私のコードは次のとおりです。 dig = function(alpha){ digamma(2 + alpha) - digamma(alpha) - (1/(2+alpha)) + (2/(2+alp

    5

    1答えて

    私の友人は、現在、最尤推定(MLE)法を用いた時系列モデルSARIMAX(季節ARIMA外因性)のパラメータの推定に関する課題に取り組んでいます。彼が使用したデータは、外生変数としてインド洋ダイポール(IOD)指数を用いた2000〜2012年の毎月の降水量です。ここで がデータである。これを行うには MONTH YEAR RAINFALL IOD 1 1 2000 15.3720526 0.

    0

    1答えて

    (py)Sparkには2つの新人質問があります。 from scipy.stats import multivariate_normal from pyspark.sql.functions import UserDefinedFunction from pyspark.sql.types import DoubleType mle = UserDefinedFunction(multiv

    0

    1答えて

    私はR(初心者)の損失回避モデルに取り組んでおり、3つの列を持つデータセットからいくつかのパラメータを見積もりたい(ロス/ゲイン値(連続しても、0または1(バイナリ)としてコード化された決定を伴う列) dropbox.com/s/fpw3obrqcx8ld1q/GrandAverage.RData?dl=0 これに使用する必要があるコードの部分アルファせず、私は、例えば、この出力を受け、 set

    1

    1答えて

    率の最尤推定Iは観測でexp(λ)分布の結果から、サイズ6のランダムなサンプルを持っている場合は、私は本当にR. でMLE計算を理解することに苦労しています:私は mean(x) を次のようにMLEから計算され、1.111667まし x <- c(1.636, 0.374, 0.534, 3.015, 0.932, 0.179) (私は右のこの部分をやっていない、100%確信して)。 しか