对区间样本获取后验估计

最新推荐文章于 2024-10-12 07:46:51 发布

原创最新推荐文章于 2024-10-12 07:46:51 发布 · 196 阅读

0 ·

CC 4.0 BY-SA版权

Python学习同时被 2 个专栏收录

239 篇文章

订阅专栏

算法

193 篇文章

订阅专栏

该博客深入探讨了机器学习模型中梯度计算的重要性，通过实例展示了如何使用Python进行梯度计算，并详细解释了如何利用这些梯度进行概率预测。博主还分享了一种新的概率预测方法，该方法在处理类别数据时表现出了优越性。

if self.intLabeled:
    for idx in self.intLabeled:
        interval = deepcopy(self.Xin[idx].inter)
        print("labels==",self.labels)
        print("interval===",interval)
        print("theta===",self.theta)
        ids_lab = []
        for lab in interval[:-1]:
            print("类别索引：",self.labels.index(lab))
            ids_lab.append(self.labels.index(lab))
        inter_theta = self.theta[ids_lab]
        print("int_theta===",inter_theta)

        print("x::",self.X[idx].shape)
        print("w::",self.w.shape)
        Xw = self.X[idx].dot(self.w)
        print("Xw::",Xw)
        # eta = self.theta[:, None] - np.asarray(X.dot(self.w), dtype=np.float64)
        eta = inter_theta - np.array([Xw])
        print("eta::",eta)
        eta = eta[:,None]
        prob = np.pad(
            self.sigmoid(eta).T,
            pad_width=((0, 0), (1, 1)),
            mode='constant',
            constant_values=(0, 1))
        prob_list = np.diff(prob)[0]
        print("真实类别：：",self.y[idx])
        print("新方法：：",prob_list)
        for r, lab in enumerate(interval):
            self.Xin[idx].prob[lab] = prob_list[r]