log-likelihood

0熱

1答えて

Nakagami分布の対数尤度は無限大ですR

[60,80] $の中の私のデータセット$ x \の正規化されたヒストグラムをNakagami分布に当てはめています。まず私は、次のMLEコードをVGAMパッケージのdnakaを使用して、スケールと形状パラメータを推定した： ：次に ll <- function(par) { if(par[1]>0 & par[2]>0) {return(-sum(log(dnaka(x, scale

r model-fitting log-likelihood 2017-10-12

---

0熱

1答えて

MFCCとデルタ係数を使用すると、Log Likelihoodが奇妙になる理由

私は、オーディオストリームからMFCC機能を抽出する必要があるプロジェクトで作業しています。このプロジェクトは主に分類で構成されていますが、私たちのデータセットを拡張する目的で、私たちが分類に興味のある音の部分を分離するための検出アルゴリズムに取り組んでいます。 私は別の表現を試していますが、データの性質上（詳細についてはお伝えしたいと思いますが、私が働いている教授がそれを私的に保つことを好むでし

audio machine-learning mfcc gmm log-likelihood 2017-10-25

---

0熱

1答えて

は、私は、データセットを持って反復再重み付き最小二乗回帰

を通じてベータのMLEを取得します。 model <- glm(y~x, data=d1, family = poisson(link="log")) summary(model) 私は次の出力を得る：私はそれのための関数を書きたい Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 1.3948

r regression glm code-statistics log-likelihood 2017-09-20

---