- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
尝试使用 R 中的 GMM 包来估计线性模型的参数(a-f):
LEV1 = a*Macro + b*Firm + c*Sector + d*qtr + e*fqtr + f*tax
v_LEV1 <- as.matrix(unconstrd$LEV1)
Macro <- as.matrix(cbind(unconstrd$Agg_Corp_Prof,unconstrd$R1000_TR, unconstrd$CP_Spread))
Firm <- as.matrix(cbind(unconstrd$ppe_ratio, unconstrd$op_inc_ratio_avg, unconstrd$selling_exp_avg,
unconstrd$tax_avg, unconstrd$Mark_to_Bk, unconstrd$mc_ratio))
Sector <- as.matrix(cbind(unconstrd$Sect_Flag03,
unconstrd$Sect_Flag04, unconstrd$Sect_Flag05, unconstrd$Sect_Flag06,
unconstrd$Sect_Flag07, unconstrd$Sect_Flag08, unconstrd$Sect_Flag12,
unconstrd$Sect_Flag13, unconstrd$Sect_Flag14, unconstrd$Sect_Flag15,
unconstrd$Sect_Flag17))
v_qtr <- as.matrix(unconstrd$qtr)
v_fqtr <- as.matrix(unconstrd$fqtr)
v_tax <- as.matrix(unconstrd$tax_dummy)
h=cbind(Macro,Firm,Sector,v_qtr, v_fqtr, v_tax)
gmm1 <- gmm(v_LEV1 ~ Macro + Firm + Sector + v_qtr + v_fqtr + v_tax, x=h)
Error in solve.default(crossprod(hm, xm), crossprod(hm, ym)) :
system is computationally singular: reciprocal condition number = 1.10214e-18
最佳答案
您正在尝试拟合没有满秩的矩阵——尝试排除一些变量和/或查找错误。如果没有您的数据,或者至少是样本,我们不能说更多。
这更像是 Crossvalidated.com 的建模问题。而不是 StackOverflow 的编程问题。
关于r - 使用 "system is computationally singular"(GMM 估计)时出现 `gmm` 错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14164514/
尝试使用 R 中的 GMM 包来估计线性模型的参数(a-f): LEV1 = a*Macro + b*Firm + c*Sector + d*qtr + e*fqtr + f*tax 宏、公司和部门是
我现在正在尝试在我的实验中使用 GMM。但我有以下问题。我对这个错误很困惑。 import tensorflow as tf class GMMDataLoader: def __init__
昨天我使用期望最大化算法实现了 GMM(高斯混合模型)。 如您所知,它将一些未知分布建模为混合高斯分布,我们需要了解其均值和方差,以及每个高斯分布的权重。 这是代码背后的数学原理(没那么复杂) htt
假设我们要在 2 个点上训练一个 1 维 GMM 聚类算法:0,2,使用 2 个簇。假设初始化是:高斯 1:均值 1,方差 1。高斯 2:均值 5,方差 1。 运行算法后,我们会得到什么样的高斯簇?当
我正在尝试遵循 this paper 第 3.2 节中给出的示例关于 gmm 的使用R包裹。所以我希望估计稳定分布的参数。我正在使用以下代码 library(gmm) library(stabledi
我正在尝试遵循 this paper 第 3.2 节中给出的示例关于 gmm 的使用R包裹。所以我希望估计稳定分布的参数。我正在使用以下代码 library(gmm) library(stabledi
我目前正在做一个语音识别和机器学习相关的项目。我现在有两个类,我为每个类创建两个 GMM 分类器,分别用于标签“快乐”和“悲伤” 我想用 MFCC 向量训练 GMM 分类器。 我为每个标签使用两个 G
我很困惑。我已经按照 MATLAB 代码为自己测试了一个程序: feature_train=[1 1 2 1.2 1 1 700 709 708 699 678]; No_of_Clusters =
我正在使用 sklearn 的 GMM 工具包构建一个基本的说话人识别器。我有 3 个类(class),每个类(class)都有一个分类器。在测试阶段,应选择概率最高的说话者的 GMM,并且程序应返回
我一直在使用 GMM cluster package by Bouman,我在网上没有找到任何适配模块。在我开始阅读 GMM 适应理论并实现它之前,我确实想知道是否有其他在线开源 GMM 项目可以完成
我有一个大数据集(我无法将整个数据存储在内存中)。我想在这个数据集上拟合一个 GMM。 我可以在小批量数据上重复使用 GMM.fit() (sklearn.mixture.GMM) 吗?? 最佳答案
我正在将两个高斯的混合拟合到一维数据(超过 1000 个点)。 两个高斯分布之和的峰值似乎相对于直方图的峰值向左移动。我假设这是因为我的数据有一个大约 0.5 的截止值。 绿线和红线是两条最合适的高斯
我一直在使用 Scikit-learn 的 GMM 函数。首先,我刚刚创建了一个沿 x=y 行的分布。 from sklearn import mixture import numpy as np i
我想使用 python 将高斯混合模型拟合到一组加权数据点。 我尝试了 sklearn.mixture.GMM() ,除了它对所有数据点的权重相同之外,它工作正常。有谁知道用这种方法为数据点分配权重的
据我了解: GMM 是一种概率模型,可以对正态分布的 N 个子种群进行建模。 GMM 中的每个分量都是高斯分布分布。 HMM 是一种具有隐藏状态的统计马尔可夫模型。当数据连续时,每个隐藏状态被建模为高
我已经使用 sklearn 高斯混合模型算法 (GMM) 对我的数据 (75000, 3) 进行了聚类。我有 4 个集群。我的数据的每个点都代表一个分子结构。现在我想得到每个簇最具代表性的分子结构,我
我使用数据集在 Matlab 中构建了一个高斯混合模型: model = gmdistribution.fit(data,M,'Replicates',5); 具有M = 3高斯分量。我测试了新数据:
我在 Python 中使用 sklearn.mixture.GMM,结果似乎取决于数据缩放。在下面的代码示例中,我更改了整体缩放比例,但没有更改维度的相对缩放比例。然而,在三种不同的缩放设置下,我得到
我想确定一个数据点属于一组数据的概率。我读到 sklearn GMM 可以做到这一点。我尝试了以下.... import numpy as np from sklearn.mixture import
我们正在尝试训练一个具有指定参数的高斯混合模型 (GMM)python 中的初始模型与 Spark 上的 MLLIB。pyspark 的 Doc 1.5.1 说我们应该使用 GaussianMixtu
我是一名优秀的程序员,十分优秀!