完全独立随机设计的两样本均数的比较,其目的是检验两样本所来自总体的均数是否相等。例如两个不同版本的测试程序对产品温度控制是否一样；两种不同的加工方法加工出的工件长度是否一样等。#_*_coding:utf-8_*_#本节内容学习用python统计包scipy自动计算双独立假设检验：'''双独立(independent)样本检验(ttest_ind) ''' import numpy
转载
2023-12-10 20:34:12
74阅读
最近由于工作需要，需要用ONVIF来快速验证一个想法，发现在Python下验证还蛮方便的，但是也遇到了一些问题，在这里总结一下，如有有缘人看见，或许可以节约一些时间。目录一、Python对接onvif的工具二、Onvif快速用起来三、使用原理简析一、Python对接onvif的工具 &
转载
2023-10-10 15:35:11
95阅读
卡方分布—chi-square distribution, χ2-distribution：若k个独立的随机变量Z1, Z2,..., Zk 满足标准正态分布 N(0,1) , 则这k个随机变量的平方和：为服从自由度为k的卡方分布，记作： 或者 卡方检验—χ2检验是以χ2分布为基础的一种假设检验方法，主要用于分类变量之间的独立性检验： 基本思想是根据样本数据推断总
VI 使用手册进入vi的命令vi filename :打开或新建文件，并将光标置于第一行首vi +n filename ：打开文件，并将光标置于第n行首vi + filename ：打开文件，并将光标置于最后一行首vi +/pattern filename：打开文件，并将光标置于第一个与pattern匹配的串处vi -r filename ：在上次正用vi编辑时发生系统崩溃，恢复filenamev
转载
2024-07-11 22:55:32
32阅读
1.主要内容利用Python调用VLFeat（官方下载地址）提供的SIFT接口对图像进行特征检测。如果CSDN中图片加载不出来，可移步知乎相关文章：https://zhuanlan.zhihu.com/p/34890676 2.参考资料主要参考资料为由朱文涛和袁勇翻译的《python 计算机视觉》原书为《ProgrammingComputer Vision with Python》,该书
转载
2023-12-12 20:27:33
204阅读
SPSS方差齐性检验，即检验样本数据的方差是否相同的一种方法。什么情况下需要进行方差齐性检验？在经典的线性回归模型中，方差齐性是进行回归的前提要素之一，因OLS(最小二乘法)回归式要求模型中的随机误差项在解释变量时具有相同的方差。本文将介绍SPSS的两种检验方差齐性的方法，分别是探索分析中的Levene（莱文）检验与单因素ANOVA分析中的方差齐性检验。一、数据准备本文使用的是一组包含销售额、客流
转载
2023-10-01 07:41:19
534阅读
内容来自OpenCV-Python Tutorials 自己翻译整理目标：了解BRIEF算法的基本原理原理：在SIFT算法使用128维的描述符，因为使用float类型描述，所以需要512字节的内存。 在SURF算法中，以64维描述符来计算，至少需要256字节的内存。 在创建一个含有数千个特征的向量会消耗大量的内存，这种情况在资源的有限的设备上不实用，尤其是嵌入式设备。 此外，计算时间也非常漫长
转载
2023-11-09 07:14:45
105阅读
多重共线性是使用线性回归算法时经常要面对的一个问题。在其他算法中，例如决策树和贝叶斯，前者的建模过程是逐步递进，每次拆分只有一个变量参与，这种建模机制含有抗多重共线性干扰的功能；后者干脆假定变量之间是相互独立的，因此从表面上看，也没有多重共线性的问题。但是对于回归算法，不论是一般回归，逻辑回归，或存活分析，都要同时考虑多个预测因子，因此多重共线性是不可避免需要面对的，在很多时候，多重共线性是一个普
转载
2023-08-25 23:39:51
589阅读
# Python中的VIF函数：检测多重共线性
在数据分析与回归模型处理中，多重共线性是一个需要重点关注的问题。多重共线性指的是自变量之间存在高度相关性，这可能导致回归模型的不稳定性，从而影响模型的解释与预测能力。为了检测多重共线性，我们可以使用方差膨胀因子（Variance Inflation Factor, VIF）这一指标。
## 什么是方差膨胀因子（VIF）？
方差膨胀因子衡量的是某
# Python中VIF指标的应用及示例
## 什么是VIF？
VIF（Variance Inflation Factor，方差膨胀因子）是一个用于检测多重共线性（Multicollinearity）的问题的统计指标。在回归分析中，多重共线性指的是自变量之间存在较强的线性关系，导致模型的估计不稳定，从而影响预测的可靠性。VIF的计算能够帮助我们评估每个自变量的冗余程度。
### VIF的计算
# Python VIF值的计算流程
## 前言
在统计学中，VIF（方差膨胀因子）用于评估回归模型中自变量之间的共线性程度。VIF值越高，表示自变量之间的共线性越强，可能导致回归模型的不稳定性。因此，在进行回归分析时，我们需要计算每个自变量的VIF值，以判断是否存在共线性问题。
在Python中，我们可以使用statsmodels包来计算VIF值。下面将介绍如何计算VIF值的具体步骤。
#
原创
2024-01-31 07:55:53
303阅读
# VIF（方差膨胀因子）计算在Python中的应用
在数据分析和统计建模中，多重共线性是一个常见的问题。它指的是自变量之间存在高度的线性相关性，这可能导致模型参数估计的不稳定和不准确。为了检测多重共线性，方差膨胀因子（Variance Inflation Factor, VIF）是一个常用的工具。
本篇文章将带您了解VIF的概念、其计算方式，并通过Python代码示例展示如何在实际项目中使用
# 如何使用 Python 计算方差膨胀因子 (VIF)
方差膨胀因子（Variance Inflation Factor, VIF）是用于评估多重共线性的一种统计度量。多重共线性是在回归分析中，多个自变量之间存在高度相关性的现象，可能会导致模型不稳定。本文将指导你如何使用 Python 计算 VIF，并提供清晰的流程和示例代码。
## 流程概述
我们可以将计算VIF的过程分为以下几个步骤：
原创
2024-10-21 03:30:58
328阅读
IV值和woe1. 对IV的直观理解从直观逻辑上大体可以这样理解“用IV去衡量变量预测能力”这件事情：我们假设在一个分类问题中，目标变量的类别有两类：Y1，Y2。对于一个待预测的个体A，要判断A属于Y1还是Y2，我们是需要一定的信息的，假设这个信息总量是I，而这些所需要的信息，就蕴含在所有的自变量C1，C2，C3，……，Cn中，那么，对于其中的一个变量Ci来说，其蕴含的信息越多，那么它对于判断A属
求解最可能的隐状态序列是HMM的三个典型问题之一，通常用维特比算法解决。维特比算法就是求解HMM上的最短路径（-log(prob)，也即是最大概率）的算法。算法思路：从状态t到初始状态，需要寻找最短路径，运用逆推递归的方法来寻找这条最短路径。状态t由状态(t-1)直接决定，从状态(t-1)到状态t一定有一条最短路径，问题的求解就变成了求初始状态到状态(t-1)的最短路径。一直逆推到初始状态，问题就
转载
2024-07-15 21:33:15
59阅读
# VIF检验与多重共线性：Python实现详解
## 引言
在进行多元线性回归分析时，一个常见的问题就是多重共线性（Multicollinearity）。多重共线性是指自变量之间存在高度相关性，这可能导致回归模型的系数不稳定、标准误较大，从而影响模型的解释性和预测能力。近年来，VIF（方差膨胀因子）作为检测多重共线性的一种有效工具，得到了广泛的应用。在本文中，我们将介绍VIF检验的基本概念，
目录 一.单次针对波段分开的TIFF影像的NDVI植被指数的计算 1.代码如下：（代码中已经将NDVI指数异常值进行了剔除，取值范围最终在[-1, 1]区间内）2.运行结果（为了方便程序运行的进度查看，在函数内增添进度条显示）：二.针对波段合成后的TIFF影像计算NDVI处理影像1.对于MODIS——MOD09A1影像（band1为红光波段，band2为近红外波段）2.对于La
转载
2023-10-18 19:23:49
374阅读
# Python回归VIF(Variance Inflation Factor)分析
在进行回归分析时，我们经常需要考虑独立变量之间的多重共线性问题。VIF是一种用于检测独立变量之间共线性的统计指标，其计算方式为1/(1-R^2)，其中R^2表示对应独立变量与其他所有独立变量的线性相关程度。VIF的值越大，表示共线性越强。
在Python中，我们可以使用StatsModels库来进行回归分析，
原创
2024-02-22 08:20:36
110阅读
1评论
# 使用Python计算VIF（方差膨胀因子）
在多元线性回归分析中，我们通常需要评估自变量之间的多重共线性问题。多重共线性会影响模型的稳定性和可解释性，导致回归系数的不可靠性。方差膨胀因子（Variance Inflation Factor，VIF）是一种用于检测自变量之间关联性的方法。本文将介绍如何使用Python计算VIF，并附带示例代码。
## 什么是VIF？
VIF衡量的是一个自变
# 如何在Python中计算VIF（方差膨胀因子）
VIF（方差膨胀因子）是用于检测回归分析中多重共线性的重要工具。多重共线性可能会影响模型的精确性及稳定性，因此理解和计算VIF是数据分析的重要步骤。本文将详细介绍如何在Python中实现VIF的计算，下面是整个流程的展示。
## 流程表格
| 步骤 | 描述 |
|-------|
