我有一组高斯分布的数据,这是一个柱状图,显示了它们的实际外观:
我必须使用bayesian分类器将这些数据分为两个类,我使用sklearn
进行分类,而且效果良好。然而,作为工作的一部分,我必须使用MLE估计数据的分布参数(σ,μ),并将其用于分类器中。在
那么,有没有python库或伪代码可以使用最大似然法估计高斯分布参数,这样我就可以在分类器中使用估计值了?在
我在寻找类似于mle(data,'distribution',dist)
的东西。在
phat = mle(MPG,'distribution','burr')
phat =
34.6447 3.7898 3.5722
因为你的数据是多维的(D,在你的例子中是D=15),你需要对数据的平均值(D维)和协方差(D^2维)建模。在
您可以使用numpy轻松地实现它,如下所示
为了确保它能正常工作,让我们在一些人工数据上运行它:
^{pr2}$这给了我们,在定制格式(因为我们随机抽样,结果可能略有不同):
相关问题 更多 >
编程相关推荐