sampling

    0

    1答えて

    6つのデータセット、x201201,x201202,...があります。ランダムサンプルを作成する方法を探しています。n=200、6つのデータセットから取得しました。 私はproc surveyselectを見てきましたが、データセットは1つしかありません。私は6つのセットをマージする一時セットを作ることができましたが、これを行うのが最も簡単で唯一の方法ですか?

    0

    1答えて

    私は個人的なプロジェクト用のアプリケーションを開発しています。後でデータをMatlabで処理する必要があります(電源要件の場合)。したがって、私の目標はアレイ内で2秒ごとに光センサーの値を「保管」することでしょうか?今、私は、スマートフォンのデフォルトの周波数に基づいて、画面上にリアルタイムでセンサーの値を正しく表示することができました!私はAndroidでかなり初心者だし、毎日笑を学んでいるよ!

    0

    1答えて

    与えられたデータXのすべての行について、いくつかのサンプリングされたクラスに対してのみsoftmax関数を適用する関数を作成したいとします。クラス。シンプルなPythonでコードがそのように思える: def softy(X,W, num_samples): N = X.shape[0] K = W.shape[0] S = np.zeros((N,K)) a

    -2

    1答えて

    平均のためのサンプリング分布を作成したいと思います。私は少なくとも1万の値を持つ変数xを持っています。私は500サンプル(n = 10)をとり、ヒストグラムにサンプル手段の分布を表示したいと思います。私はそれが次のものと一緒に働いたと思うが、これが私の意図したものであるかどうかを確認して、apply関数内の2が何を意味するのかを教えてもらえますか? x <- rnorm(10000, 7.5, 1

    0

    3答えて

    の無制限のユーザーからp%のユーザーを公平にサンプリングするアルゴリズムを探しています。 素朴なアルゴリズムは次のようになります。 //This is naive.. what is a better way?? def userIdToRandomNumber(userId: Int): Float = userId.toString.hashCode % 1000)/1000.0 //A

    15

    2答えて

    Hereは、機能numpy.random.choiceを説明しています。しかし、私は第3パラメータreplaceについて混乱しています。それは何ですか?どのような場合に有用でしょうか?ありがとう!

    0

    2答えて

    私はここでサンプルを取る関数を持っていますが、それは動作しますが、私はそれらをプロットできるようにベクトルに取り込まれたサンプルを格納するのに苦労しています。ここに私の機能は以下の通りです:私は x = vector(mode="numeric",length=n) で、最初は0のベクトルを作成しようとした InvCDF = function(n, sd) { for (i in 1:n)

    -1

    1答えて

    私はアナログピンに関する情報を読む簡単なArduinoソフトウェアを書いています。 私はこのソフトウェアをArduino LeonardoとFunduino Megaでコンパイルします。とにかく、Arduinoはより良いサンプリング周波数を取得します。私がArduino Megaを購入すれば、周波数性能を改善できると思いましたか?

    0

    1答えて

    私はデータセット 'df'をチェックし、 'Has_Arrears'列に深刻な不均衡があることを確認するためにコードを使用します。私は、Has_Arrears = 1の下で重複サンプルを使ってターゲットデータセットを35倍に拡張します。つまり、Has_Arrears = 1の観測ごとに35回サンプルします。これをどうすれば実現できますか?歓声 層別サンプリングを使用したい場合、これをどのようにコー

    1

    3答えて

    この種の問題に対してより良いソリューションが存在するかどうかは疑問です。 我々が偶数のX/Yの割合分割のために、我々はデータの正確な分割を得ることができることを知っている - データサイズ10のための例:この方法は簡単である分割データ 10 * .6 = 6 10 * .4 = 4 10 、および私たちはすべてのデータを保証し、何も失われません。しかし、私は苦労していますどこ少