注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 贝叶斯思维：统计建模的Python学习法

  2. 第1章 贝叶斯定理 1 1.1 条件概率 1 1.2 联合概率 2 1.3 曲奇饼问题 2 1.4 贝叶斯定理 3 1.5 历时诠释 4 1.6 M&M豆问题 5 1.7 Monty Hall难题 6 1.8 讨论 8 第2章 统计计算 9 2.1 分布 9 2.2 曲奇饼问题 10 2.3 贝叶斯框架 11 2.4 Monty Hall难题 12 2.5 封装框架 13 2.6 M&M豆问题 14 2.7 讨论 15 2.8 练习 16 第3章 估计 17 3.1 骰子问题 17 3.2 火

  3. 所属分类：机器学习

    • 发布日期：2018-03-20
    • 文件大小：116byte
    • 提供者：data2word

  1. 量化投资以Python为工具

  2. 《量化投资：以Python为工具》主要讲解量化投资的思想和策略，并借助Python 语言进行实战。《量化投资：以Python为工具》一共分为5 部分，第1 部分是Python 入门，第2 部分是统计学基础，第3 部分是金融理论、投资组合与量化选股，第4 部分是时间序列简介与配对交易，第5 部分是技术指标与量化投资。《量化投资：以Python为工具》首先对Python 编程语言进行介绍，通过学习，读者可以迅速掌握用Python 语言处理数据的方法，并灵活运用Python 解决实际金融问题；其次，

  3. 所属分类：Python

    • 发布日期：2018-05-12
    • 文件大小：66mb
    • 提供者：jisuran

  1. numpyTrain (1).html 练习使用python-numpy的方法——东北大学大数据班数据挖掘Python基础二（1）

  2. 练习使用python-numpy的方法——东北大学大数据班数据挖掘Python基础二（1） 实训项目:练习使用numpy的方法。 （1）用0~19的数字生成(4,5)的数组命名为a,查看a的维度；查看a的轴的个数；查看a元素的总个数; （2）创建元素为1,2,3,4的(2,2)的数组 b，查看b中元素类型。 （3）创建一个全1的（4,4）的数组c;创建一个内容随机的(3,2)数组d，并打印d。 （4）用0~11的数，创建一个3*4的数组n1，计算每一列的和；计算每一行的最小值。 （5）生成一个3

  3. 所属分类：Python

    • 发布日期：2020-03-29
    • 文件大小：326kb
    • 提供者：weixin_43124279

  1. 基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解

  2. 主要介绍了基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：92kb
    • 提供者：weixin_38748580

  1. 基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解

  2. 主要介绍了基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：92kb
    • 提供者：weixin_38618819

  1. 基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解

  2. 我就废话不多说了，大家还是直接看代码吧！ # -*- coding: utf-8 -*- """ Created on Thu Apr 12 11:23:46 2018 author: henbile """ #计算滚动波动率可以使用专门做技术分析的talib包里面的函数，也可以使用pandas包里面的滚动函数。 #但是两个函数对于分母的选择，就是使用N还是N-1作为分母这件事情上是有分歧的。 #另一个差异在于：talib包计算基于numpy，而pd.rolling是基于Series或者Dat

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：45kb
    • 提供者：weixin_38626075

  1. Python DataFrame.groupby()聚合函数,分组级运算

  2. pandas提供了一个灵活高效的groupby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。根据一个或多个键（可以是函数、数组或DataFrame列名）拆分pandas对象。计算分组摘要统计，如计数、平均值、标准差，或用户自定义函数。对DataFrame的列应用各种各样的函数。应用组内转换或其他运算，如规格化、线性回归、排名或选取子集等。计算透视表或交叉表。执行分位数分析以及其他分组分析。 groupby分组函数： 　　返回值：返回重构格式的DataFrame，特别注意，g

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：65kb
    • 提供者：weixin_38562492

  1. 使用python模拟高斯分布例子

  2. 正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution） 正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。 若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。 用python 模拟 #!/usr/bin/python # -*- coding:utf-

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：224kb
    • 提供者：weixin_38752459

  1. 随机信号的功率谱及参数估计与python仿真

  2. 1.概要：本文以 x(n)=sin(2*π*f1*n+π/3)+10*\sin(6*π*f2*n+π/4)+wgn(0,sigma) 为例进行其功率谱的估计及观察sigma参数对f1,f2估计的影响，影响情况以MSE为衡量标准 （注：f1规定为0.1，f2规定为0.3。n的取值为[1,256]，wgn(0,sigma)是0均值，标准差为sigma的高斯分布的随机数） 2.随机信号功率谱的估计方法：对于平稳随机信号，其功率谱与其自相关函数为傅里叶变换对。对于本例而言，其均值E[x(n)]为0，自相

  3. 所属分类：其它

  1. Python中如何查看Pandas DataFrame对象列的最大值、最小值、平均值、标准差、中位数等

  2. 如何查看Pandas  DataFrame对象列的最大值、最小值、平均值、标准差、中位数等 我们举个例子说明一下，先创建一个dataframe对象df，内容如下: 1.使用sum函数获得函数列的和,用法:df.sum() 2.使用max获取最大值,用法：df.max() 3.最小值、平均值、标准差等使用方法类似，分别为min, mean, std。 4.describe可以一次输出以上所有参数，用法：df.describe()。输出如下： 需要注意的是，上面所有的统计都是以列为单位进行计

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：43kb
    • 提供者：weixin_38677808

  1. Python：三维空间的概率密度函数

  2. 二维高斯分布概率密度函数数据集实战优化坐标轴与图像优化图像再次优化 概率密度函数 大家肯定都有听说过正态分布，其实正态分布只是概率密度分布的一种，正态分布的概率密度函数均值为μ ，标准差σ是高斯函数的一个实例： f(x;μ,σ)=1σ2πexp⁡(−(x−μ)22σ2) f(x ; \mu, \sigma)=\frac{1}{\sigma \sqrt{2 \pi}} \exp \left(-\frac{(x-\mu)^{2}}{2 \sigma^{2}}\right) f(x;μ,σ)=σ2π​

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：276kb
    • 提供者：weixin_38551837

  1. python统计函数库scipy.stats的用法解析

  2. 背景 总结统计工作中几个常用用法在python统计函数库scipy.stats的使用范例。 正态分布 以正态分布的常见需求为例了解scipy.stats的基本使用方法。 1.生成服从指定分布的随机数 norm.rvs通过loc和scale参数可以指定随机变量的偏移和缩放参数，这里对应的是正态分布的期望和标准差。size得到随机数数组的形状参数。(也可以使用np.random.normal(loc=0.0, scale=1.0, size=None)) In [4]: import numpy

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：48kb
    • 提供者：weixin_38565628

  1. 详解用python生成随机数的几种方法

  2. 今天学习了用python生成仿真数据的一些基本方法和技巧，写成博客和大家分享一下。     本篇博客主要讲解如何从给定参数的的正态分布/均匀分布中生成随机数以及如何以给定概率从数字列表抽取某数字或从区间列表的某一区间内生成随机数，按照内容将博客分为3部分，并附上代码。 1 从给定参数的正态分布中生成随机数 当考虑从正态分布中生成随机数时，应当首先知道正态分布的均值和方差（标准差），有了这些，就可以调用python中现有的模块和函数来生成随机数了。这里调用了Numpy模块中的random.no

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：52kb
    • 提供者：weixin_38665122

  1. 用Cython加速Python到“起飞”(推荐)

  2. 事先声明，标题没有把“Python”错打成“Cython”，因为要讲的就是名为“Cython”的东西。 Cython是让Python脚本支持C语言扩展的编译器，Cython能够将Python+C混合编码的.pyx脚本转换为C代码，主要用于优化Python脚本性能或Python调用C函数库。由于Python固有的性能差的问题，用C扩展Python成为提高Python性能常用方法，Cython算是较为常见的一种扩展方式。 我们可以对比一下业界主流的几种Python扩展支持C语言的方案： 有试用

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：119kb
    • 提供者：weixin_38571544

  1. Python数据可视化实现正态分布（高斯分布）

  2. 正态分布（Normal distribution）又成为高斯分布（Gaussian distribution） 若随机变量X服从一个数学期望为、标准方差为的高斯分布，记为： 则其概率密度函数为： 正态分布的期望值决定了其位置，其标准差决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是的正态分布： 概率密度函数     代码实现： # Python实现正态分布 # 绘制正态分布概率密度函数 u = 0 # 均值μ u0

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：101kb
    • 提供者：weixin_38679277

  1. Python求正态分布曲线下面积实例

  2. 正态分布应用最广泛的连续概率分布，其特征是“钟”形曲线。这种分布的概率密度函数为： 其中，μ为均值，σ为标准差。 求正态分布曲线下面积有3σ原则: 正态曲线下，横轴区间（μ-σ，μ+σ）内的面积为68.268949%，横轴区间（μ-1.96σ，μ+1.96σ）内的面积为95.449974%，横轴区间（μ-2.58σ，μ+2.58σ）内的面积为99.730020%。 求任意区间内曲线下的面积，通常可以引用scipy包中的相关函数 norm函数生成一个给定均值和标准差的正态分布，cdf(x)表示

  3. 所属分类：其它

    • 发布日期：2021-01-02
    • 文件大小：51kb
    • 提供者：weixin_38723027

  1. xmca:Python中的最大协方差分析-源码

  2. Python中的最大协方差分析 最大协方差分析（MCA）使两个不同数据字段之间的时间协方差最大化，并且与主成分分析（PCA）/经验正交函数（EOF）分析密切相关，后者使单个数据字段内的方差最大化。 MCA允许提取两个不同数据字段之间的主要共变模式。 xmca模块可将numpy.ndarray和xarray.DataArray用作输入字段。 测验 python -m unittest discover -v -s tests/ 核心功能 标准MCA / PCA 最大化协方差而不是相关==>

  3. 所属分类：其它

  1. python关于numpy的相关基本操作认识

  2. 1. 数组的创建（创建全0数组，全1数组，随机数数组） 2. 数组的属性（查看数组的维度，数组元素的个数） 3. 数组的维度操作（将数组的行变列（运用两种逻辑关系和直接函数方法实现），返回最后一个元素，返回第2到第4个元素，返回逆序的数组） 4. 数组的合并（数组的水平合并，垂直合并，深度合并） 5. 数组运算（二维数组的四则运算，判断矩阵是否相等） 6. 数组的常用函数（数组所有元素的和、积、平均值、最大值、最小值、方差、标准差） 大家在阅读时候前面3个的方法的时候一定要记得关联第一个的要创建

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：42kb
    • 提供者：weixin_38649091

  1. python 绘制正态曲线的示例

  2. import numpy as np import matplotlib.pyplot as plt import math # Python实现正态分布 # 绘制正态分布概率密度函数 u = 0 # 均值μ u01 = -2 sig = math.sqrt(0.2) # 标准差δ sig01 = math.sqrt(1) sig02 = math.sqrt(5) sig_u01 = math.sqrt(0.5) x = np.linspace(u - 3*sig, u + 3*sig, 50

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：171kb
    • 提供者：weixin_38622827

  1. python 判断一组数据是否符合正态分布

  2. 正态分布： 若随机变量x服从有个数学期望为μ,方差为σ2 的正态分布，记为N(μ,σ) 其中期望值决定密度函数的位置，标准差决定分布的幅度，当υ=0，σ=0 时的正态分布是标准正态分布 判断方法有画图/k-s检验 画图： #导入模块 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline #构造一组随机数据 s = pd.DataFrame(np.random.randn

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：70kb
    • 提供者：weixin_38694566
« 12 »