KG
Еще раз - у меня есть восстановленное распределение и одна точка. Хочу понять - какая вероятность получить такое значение, как у данной точки
Size: a a a
2021 July 12
A
ноль, вам же уже ответили. в непрерывном случае
KG
Очевидно, что это не подходит. И если брать пратический пример, вероятность получить рост Х при таком-то распределение, врядли, 0
A
в том то и дело что для непрерывных величин ноль.
пусть даже диапазон от 170 см до 171 см. вероятность получить даже 170.5 или 170.7 - ноль.
вот для 170.5 +/- 0.1 и для 170.7 +/- 0.1 может быть разной
пусть даже диапазон от 170 см до 171 см. вероятность получить даже 170.5 или 170.7 - ноль.
вот для 170.5 +/- 0.1 и для 170.7 +/- 0.1 может быть разной
KG
KG
выше сказал, что задать дельту не проблема
A
а, ну тогда ваша эмиприческая функция распределения будет ближе всего к искомой
A
или припомнить можно еще неравенство Чебышева
KG
тут у меня возникает проблема - часть значений экстремальные и у двух разных значений одинаковая вероятность 0, это не подходит
KG
решение найдено - scipy.stats.norm.expect()
A
тогда кумулятивная эмпирическая функция распределения (в x + delta) - та же функция (в x - delta).
хз что делает norm.expect, но какое-то ощущение что не то
хз что делает norm.expect, но какое-то ощущение что не то
Н
Привет
Нужны ли регулярные выражения в data science
Нужны ли регулярные выражения в data science
Н
?
S
постоянно
P
даже в гитигноре, докеригноре и т.п. нужны регулярки
OH
Наверное это математика. А если это какие-то конкретные нейронки для конкретной задачи — прикладная математика.
OS
не особо
SD
А как ты нпл чистишь? Берт фит предикт? Да и в целом, нужно уметь работать с регулярками
OS
никак, я в cv) наверное в nlp нужно, да
KG
Да, немного не то. Тут есть гайд https://machinelearningmastery.com/probability-density-estimation/
