প্রশ্ন ট্যাগ «java»

5
স্নাতক পরিসংখ্যান কোর্সের দ্বারা প্রদত্ত স্তরে পরিসংখ্যানগুলির জন্য ওপেন সোর্স জাভা লাইব্রেরি
আমি ফলিত পরিসংখ্যানগুলিতে একটি স্নাতক কোর্স নিচ্ছি যা নিম্নলিখিত পাঠ্যপুস্তকটি ব্যবহার করে (আপনাকে যে বিষয়বস্তু আচ্ছাদন করা হচ্ছে তার স্তর সম্পর্কে অনুভূতি দেওয়ার জন্য): জি কে ভট্টাচার্য এবং আরএ জনসন দ্বারা পরিসংখ্যান সংক্রান্ত ধারণা এবং পদ্ধতিগুলি । প্রফেসর আমাদের গৃহকর্মের জন্য এসএএস ব্যবহার করা প্রয়োজন। আমার প্রশ্নটি হ'ল: কোনও জাভা …
15 r  sas  java 

4
স্মুথ টাইম সিরিজের ডেটা
আমি এমন একটি অ্যান্ড্রয়েড অ্যাপ্লিকেশন তৈরি করছি যা ঘুমের সময় অ্যাকসিলোমিটার ডেটা রেকর্ড করে, যাতে ঘুমের প্রবণতাগুলি বিশ্লেষণ করতে এবং বিকল্পভাবে হালকা ঘুমের সময় কোনও পছন্দসই সময়ের কাছে ব্যবহারকারীকে জাগ্রত করা যায়। আমি ইতিমধ্যে এমন উপাদান তৈরি করেছি যা ডেটা সংগ্রহ করে এবং সঞ্চয় করে পাশাপাশি অ্যালার্ম। আমি এখনও সত্য …

1
আর / এমজিসিভি: টি () এবং টিআই () সেন্সর পণ্যগুলি কেন বিভিন্ন উপরিভাগ তৈরি করে?
mgcvপ্যাকেজের Rঝুলানো টেন্সর পণ্যের পারস্পরিক ক্রিয়ার জন্য দুটি ফাংশন আছে: te()এবং ti()। আমি উভয়ের মধ্যে শ্রমের মৌলিক বিভাজন বুঝতে পারি (একটি অ-রৈখিক ইন্টারঅ্যাকশন বনাম বনাম। এই ইন্টারঅ্যাকশনটিকে প্রধান প্রভাব এবং একটি মিথস্ক্রিয়াতে ডেকপোজ করে)। আমি যা বুঝতে পারি না তা হ'ল কেন te(x1, x2)এবং ti(x1) + ti(x2) + ti(x1, x2)(কিছুটা) …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

2
আমি ডেটা থেকে ওয়েবেল পরামিতিগুলি কীভাবে নির্ধারণ করতে পারি?
আমার কাছে বায়ু গতির ডেটাগুলির একটি হিস্টোগ্রাম রয়েছে যা প্রায়শই একটি ওয়েবেল বিতরণ ব্যবহার করে প্রতিনিধিত্ব করা হয়। আমি ওয়েইবুল আকার এবং স্কেল ফ্যাক্টরগুলি গণনা করতে চাই যা হিস্টোগ্রামকে সেরা ফিট করে। আমার একটি সংখ্যাসূচক সমাধান প্রয়োজন ( গ্রাফিক সমাধানগুলির বিপরীতে ) কারণ লক্ষ্যটি হ'ল ওয়েবুল ফর্মটি প্রোগ্রামিকভাবে নির্ধারণ করা। …

3
এন, পি উভয়ই বড় হলে পিসিএ খুব ধীর: বিকল্প?
সমস্যা সেটআপ আমার কাছে উচ্চ মাত্রার (4096) ডেটা পয়েন্ট (চিত্রগুলি) রয়েছে, যা আমি 2D তে ভিজ্যুয়ালাইজ করার চেষ্টা করছি। এই লক্ষ্যে, আমি কার্পাথির দ্বারা নিম্নলিখিত উদাহরণ কোডের অনুরূপ টি-স্নে ব্যবহার করছি । Scikit-শিখতে ডকুমেন্টেশন প্রথম ডেটার মাত্রা কম পিসিএ ব্যবহার বিশেষ পরামর্শ দেওয়া হচ্ছে: বৈশিষ্ট্যের সংখ্যাটি খুব বেশি হলে মাত্রার …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.