9.1简明matplotlib API入门9.1.1图片与子图matplotlib绘制的图位于图片（Figure）对象中，使用plot.figure生成一个新图fig = plt.figure()#不会有任何显示，无法用空白的图片绘图需要使用add_subplot创建一个或者多个子图（subplot）fig = plt.figure()
<matplotlib.figure.Figure a
转载
2024-09-22 13:57:09
53阅读
编译：张睿毅、张一豪也许所有机器学习的初学者，或者中级水平的学生，或者统计专业的学生，都听说过这个术语，假设检验。我将简要介绍一下这个当我学习时给我带来了麻烦的主题。我把所有这些概念放在一起，并使用python进行示例。在我寻求更广泛的事情之前要考虑一些问题 ——什么是假设检验？我们为什么用它？什么是假设的基本条件？什么是假设检验的重要参数？让我们一个个地开始吧！什么是假设检验？假设检验
转载
2023-08-26 14:12:10
159阅读
：目标：1 了解Friedman test的基本原理以及使用实践; 2 了解Post-hoc Nimenyi test 的基本原理以及使用实践，包括结果的可视化。Friedman test作用： 简单来说， Friedman test就是一种基于排序的统计方法用来比较多个方法/模型在多份数据集/实验中的平均性能是否存在显著差异。Null H0 hypothesis： 用于比较的多个方法性能相当；假
转载
2024-01-04 06:49:31
472阅读
线性回归回顾：解析解（矩阵），数值解随机，p ，小p-梯度下降（mini-batch）L1正则化对应岭回归，L2对应lasso回归分类评价:混淆矩阵:正例，反例，预测结果，真实情况--查准率，查全率--PR图（调和平均），BEP（1.看曲线能否包出，2.平衡点，在外性能更好）多混淆矩阵（宏）聚类评价：外部指标，内部指标比较检验看泛化的效果，这才是真正需要的：留出法/交叉检验法->t分布检验所
最近常听同事提及相关性分析,正巧看到这个google的开源库，并把相关操作与调试结果记录下来。 小说集可以百度《金庸小说全集 14部》全（TXT）作者：金庸 下载下来。
需要整理好格式，门派和武功名称之间需要有换行符，留意删除掉最后一行的空白区域。
下载完成后可以用自己习惯的工具或程序做相应调整，因语料内容太长，博客里面不允许"堆砌",所以没复制上来，有需要的可以再联系。with ope
MK检验前言一、MK趋势检验1. 定义2.代码3.结果二、MK突变检验1. 定义2.代码3.结果 前言在时间序列趋势分析中，Mann-Kendall检验是使用广泛的非参数检验方法，是一种定量的方式，被广泛应用于非正态分布的数据趋势分析中，而且该方法可以对数据整体趋势做分析，计算方便。一、MK趋势检验1. 定义
Mann-Kendall单调检验用于检测水文气象时间序列假设检验的趋势，但未指定趋势是
转载
2023-12-09 12:29:13
3120阅读
在一个试验中，有k个处理平均数间比较时，其全部可能的相互比较对数有k(k-1)/2个，这种比较是复式比较，亦称多重比较(multiple comparisons)。在一个试验中，有k个处理平均数间比较时，其全部可能的相互比较对数有k(k-1)/2个，这种比较是复式比较，亦称多重比较(multiple comparisons)。为什么要做多重比较呢？ 方差分析后做多重比较有很多好处：误差由多个处理内
python画弗里德曼（Friedman） 检验和秩和检验（Nemenyi）检验图画好后效果图实现代码如
原创
2022-07-14 17:36:44
2054阅读
# Python中的线性拟合显著性检验图
线性拟合是一种用于描述两个变量之间关系的基本统计方法。它通过建立线性方程来拟合数据点，以此帮助我们理解和预测变量之间的关系。显著性检验则是确定我们所得到的线性模型是否真实反映了数据的趋势的重要步骤。在本文中，我们将探讨如何使用Python绘制线性拟合的显著性检验图，并提供相关的代码示例。
## 线性拟合的基本概念
线性拟合试图用一个线性方程来描述自变
前提假设：当没有趋势时，随时间获得的数据是独立同分布的。独立的假设是说数据随着时间不是连续相关的。所获得的时间序列上的数据代表了采样时的真实条件。（样本具有代表性）样本的采集、处理和测量方法提供了总体样本中的无偏且具有代表性的观测值。pymannkendall的Python项目什么是mann-kendall检验？mann-kendall趋势检验（有时称为mk检验）用于分析时间序列数据的一致性增加或
转载
2024-05-14 20:02:36
396阅读
如何用matlab 产生 均值为0，方差为5的高斯噪声2011-07-15 19:36 y=randn(1,2500); y=y/std(y); y=y-mean(y); a=0; b=5; y=a+b*y; 就得到了 N ( 0, 5 ) 的高斯分布序列。R = normrnd(MU,SIGMA,m,n)其中MU为均值，SIGMA为标准方差，m、n为矩阵大小；提问：（randn与no
转载
2024-01-15 23:57:49
83阅读
在参数检验中都是假设总体服从正态分布，那么如何才能知道总体在理论上服从一个什么分布呢？卡方拟合优度检验就是用来检验总体是否服从某个指定分布。从而可以进行：检测观察数与理论数之间的一致性；通过检测观察数与理论数之间的一致性来判定事物之间的独立性。1. 卡方拟合优度检验的原理1.1. 假设检验的形式1.2. 进行假设检验的步骤在下，总体X取值的全体分成k个两两不相交的子集;以记录样本观察值中落在的个数
转载
2023-11-03 15:52:46
107阅读
复制这篇博文原因无他，只是害怕原文被删后无法找到这么简捷清晰的安慰剂检验文章！一、 缘起开学瞎折腾一段时候之后，终于有时间写自己一直念兹在兹的安慰剂检验了。po 主想写这个教程的初衷其实很简单，因为在目前流行的双重差分方法中，安慰剂检验已经成为和平行趋势一样必不可少的检验流程。这本来是一种在思路上很直观，在具体操作上也并不复杂的方法。但是，目前网络上流行的教程，多数只讲怎么写代码。而且代码似乎也并
转载
2023-12-14 11:25:23
2374阅读
# Java 正则表达式检验图片后缀
在现代应用中，图片格式的正确性变得越来越重要。随着社交媒体、电子商务等平台的发展，用户上传的图片会涉及各种后缀如 `.jpg`, `.png`, `.gif` 等。为了保证用户上传的图片格式是合适的，Java 提供了强大而灵活的正则表达式工具来进行后缀验证。本文将通过代码示例，展示如何利用 Java 正则表达式来检验图片后缀。
## 正则表达式基础
正则
# 如何实现“ad检验 python”
## 1. 简介
在数据分析和统计学中，“ad检验”（Anderson-Darling test）是一种用于检验数据是否来自某个特定的概率分布的统计方法。在Python中，我们可以使用`scipy.stats`模块中的`anderson()`函数来进行ad检验。
在本文中，我将向你介绍如何在Python中实现ad检验，并提供了详细的步骤和示例代码。
#
原创
2024-01-22 06:14:47
316阅读
edgeR的介绍背景RNA-seq表达谱与生物复制的差异表达分析。 实现一系列基于负二项分布的统计方法，包括经验贝叶斯估计，精确检验，广义线性模型和准似然检验。 与RNA-seq一样，它可用于产生计数的其他类型基因组数据的差异信号分析，包括ChIP-seq，Bisulfite-seq，SAGE和CAGE。简介edgeR包是进行RNA-seq数据分析非常常用的一个R包。该包需要输入每个基因关于每个样
转载
2024-03-16 22:30:39
805阅读
以下应用有什么共同点：预测未来三个月的一个家庭的电力消耗；估计在一定时期内道路的交通量；以及预测一个股票在纽约证券交易所上交易的价格。以上都涉及时间序列数据的概念！如果没有“时间”成分，你就无法准确地预测这些结果。随着越来越多的数据的产生，时间序列预测越来越成为数据科学家掌握的关键技术。但是时间序列是一个复杂的话题，涉及多个方面。首先，如果我们希望预测模型工作得很好，使时间序列平稳是关键。为什么？
所有事情想做的十拿九稳，还是要讲究方法，人没有机器那么精准无误，但是还是可以想办法去避免一些错误。 接着大佬的博客总结一下自己最近出过的错误原理图检查 先说说原理图的布局吧，元件比较多的时候，要将元件、位置、连接线放置整齐（如果是多个一样的元件，可以按住Shift拖动一个元件的电路）放置整齐的时候还方便检查错误。1.检查原理图中元件与封装库中是否对应 1）正负极 特别注意的是要看原来封装库中是否画
转载
2023-08-18 20:38:47
81阅读
# R语言自相关检验图示检验
在数据分析和时间序列分析中，自相关是一种重要的统计特性。自相关检验用于确定一个时间序列是否与它自己的滞后值（即较早的值）相关。在这篇文章中，我们将探讨如何使用R语言进行自相关检验，并通过可视化图形来帮助理解。
## 1. 自相关的概念
自相关（Autocorrelation）是指同一时间序列在不同时间点的值之间的相关性。每个时间点的值可能与其之前的某些值存在统计
1.混淆矩阵（一级指标）以分类模型中最简单的二分类为例，对于这种问题，我们的模型最终需要判断样本的结果是0还是1，或者说是positive还是negative。我们通过样本的采集，能够直接知道真实情况下，哪些数据结果是positive，哪些结果是negative。同时，我们通过用样本数据跑出分类型模型的结果，也可以知道模型认为这些数据哪些是positive，哪些是negative。因此，我们就能得
转载
2024-02-04 01:25:45
381阅读
