PDL :: Gaussian. PDL :: Gaussian fornece um conjunto de rotinas padrão para lidar com conjuntos de distribuições gaussianas.
Baixe Agora

PDL :: Gaussian. Classificação e resumo

PDL :: Gaussian. Tag

Módulo Perl. rotinas Gaussian PDL Rotinas PDL. distribuições gaussianas

PDL :: Gaussian. Descrição

PDL :: Gaussian fornece um conjunto de rotinas padrão para lidar com conjuntos de distribuições Gaussian. PDL :: Gaussian fornece um conjunto de rotinas padrão para lidar com conjuntos de distribuições Gaussian.synopsis $ a = novo PDL :: Gaussian (, ); $ a-> set_covariance (...) um novo conjunto de gaussianos é inicializado por $ a = novo PDL :: gaussian (xdims, gdims); onde o xdims é uma referência a uma matriz contendo as dimensões no espaço que o Gaussian está em e gdimslist é uma referência a uma matriz contendo a dimensionalidade do espaço gaussiano. Por exemplo, após $ a = novo PDL :: Gaussian (, ); $ b = novo PDL :: Gaussian ([], []); a variável $ a contém conjunto de 12 (= 3 * 4) Gaussianos 2-dimensionais e $ B é a forma mais simples: um gaussiano 1d. Atualmente, os XDIMs podem conter zero ou uma dimensões devido a limitações de PDL :: pp.to definir os parâmetros de distribuição, você pode usar as rotinas $ a-> set_coveiance ($ cv); # covariance matrizes $ a-> set_icovariance ($ icv); # matrizes de covariância inversa $ a-> set_mu ($ mu); # centros as dimensões de $ cv e $ icv devem ser (@ xdims, @ xdims, @ gdims) e as dimensões de $ mu devem ser (@ xdims, @ gdims) .alternativamente você pode usar as rotinas $ cv = $ a-> get_coviliance (); # CV = Referência à matriz de covariância ... # Fuzz ao redor com CV $ a-> Upd_Covaiance (); # UpdateAnd Da mesma forma para icovariance (covariância inversa). A última sub chamada é importante para atualizar as outras partes do objeto. Para obter uma representação de string dos gaussianos (mais útil para depuração), use a rotina $ string = $ a-> suit (); é possível calcular a probabilidade ou logaritmo de probabilidade de cada uma das distribuições em alguns pontos. $ a-> calc_value ($ x, $ p); $ a-> calc_lnvalue ($ x, $ p); aqui, $ x deve ter dimensões (ndims, ...) e $ p deve ter dimensões (gdimslist, ...) onde o elipsis representa as mesmas dimensões em ambas as variáveis . Geralmente, é aconselhável trabalhar com os logaritmos de probabilidades para evitar problemas numéricos. É possível gerar os parâmetros para os gaussianos dos dados. A função $ a-> fromweighteddata ($ data, $ wt, $ small_covariance); onde $ dados é de dimensões (NDIMs, npoints) e $ wt é de dimensões (npontes, gdimslist), analisa os dados estatisticamente e dá um gaussiano correspondente distribuição. O parâmetro $ Small_Covaiance é a menor covariância permitida em qualquer direção: se um ou mais dos autovalores da matriz de covariância forem menores do que isso, eles são automaticamente definidos como $ Small_CovaVariance para evitar singularidades. · Perl

PDL :: Gaussian. Software Relacionado