精华内容
下载资源
问答
  • 概率质量函数(PMF)。 随机变量的(PMF)为 其中, n是路径数, p是成功概率。 安装 $ npm install distributions-binomial-pmf 要在浏览器中使用,请使用 。 用法 var pmf = require ( 'distributions-...
  • 91:275–) 的工作中概述的加权直方图分析方法 (WHAM) 从伞状采样模拟中计算平均力 (PMF) 的潜力282.)。 该程序尚未经过彻底测试!!! 该计划的当前限制包括: 仅可用于 GROMACS 模拟包中的数据。 仅可用于一维...
  • PMF中文说明

    2019-02-21 14:43:41
    PMF中文说明。 PMF中文翻译,不可多得好资源,源解析模型,从理论到实践 PMF 源解析模型
  • PMF在线源解析图文运行操作分解指南.pdf
  • PMF模型及使用说明.rar

    2020-04-28 11:47:00
    PMF模型及使用说明,环保行业,做源解析类似的分析、污染因子成分分析,来源分谱可以作为参考。有使用手册,大家可以作为参考。
  • PMF5.0操作手册.pdf

    2020-07-16 15:09:41
    正交矩阵因子分析法(PMF模型)是受体模型中因子分析法的一种。因子分析法直接从受体样品化学成分出发,根据各成分之间的相关关系,从全部变量资料中综合、归纳公因子,计算出各个因子载荷,根据各因子载荷情况并...
  • PMF-Pytorch 使用Pytorch的PMF的实现 ***** 这是在建议中使用Adam更新规则进行概率矩阵分解的Pytorch代码。 所有文件都井井有条,易于理解您可以使用movielen-1m来测试此代码。 请注意,此代码中的数据路径均为相对...
  • PMF污染物源解析模式

    2019-05-30 20:27:39
    PMF污染物源解析模式可以用来进行污染物的来源识别和来源贡献分析。
  • EPA PMF 5.0 User Guide.pdf

    2019-05-30 20:29:01
    PMF来源解析软件的使用操作手册,非常浅显易懂,容易上手使用
  • EPA PMF用户指导说明书

    2018-11-28 14:02:55
    EPA PMF 用户指导说明书,内容详尽,不可多得的一本书籍
  • GPS的PMF-FFT捕获过程

    2019-03-01 17:21:59
    重点对GPS信号的半匹配滤波与FFT变换(PMF-FFT)进行捕获方法进行了非常详细的描述,值得学习
  • 在yelp数据集上摘录取部分评分数据进行多种推荐算法(SVD,SVDPP,PMF,NMF)的性能对比。从yelp数据集中提取一些评分数据,以比较各种推荐算法(SVD,SVDPP,PMF)的性能,NMF)。原始数据集可以在下方下载:
  • PMF

    2019-06-25 21:41:28
    Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>P</mi><mi>M</mi><mi>F</mi></math></span></span><script type="math/tex" id="MathJax-Element-7345">PMF是在;...
                    版权声明:本文为我很帅的原创文章,想要转载联系我哦。                    https://blog.csdn.net/u010111016/article/details/50822550                </div>
                          <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-cd6c485e8b.css">
                              <div id="content_views" class="markdown_views prism-atom-one-dark">
            <!-- flowchart 箭头图标 勿删 -->
            <svg xmlns="http://www.w3.org/2000/svg" style="display: none;">
              <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path>
            </svg>
            <p><strong>上一篇博客讲到了推荐系统中常用的矩阵分解方法,<span class="MathJax_Preview" style="color: inherit; display: none;"></span><span class="MathJax" id="MathJax-Element-7343-Frame" tabindex="0" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><mi>R</mi><mi>e</mi><mi>g</mi><mi>u</mi><mi>l</mi><mi>a</mi><mi>r</mi><mi>i</mi><mi>z</mi><mi>e</mi><mi>d</mi><mi>M</mi><mi>F</mi></math>" role="presentation" style="position: relative;"><nobr aria-hidden="true"><span class="math" id="MathJax-Span-1" style="width: 8.953em; display: inline-block;"><span style="display: inline-block; position: relative; width: 7.153em; height: 0px; font-size: 125%;"><span style="position: absolute; clip: rect(1.453em, 1007.15em, 2.652em, -999.998em); top: -2.298em; left: 0em;"><span class="mrow" id="MathJax-Span-2"><span class="mi" id="MathJax-Span-3" style="font-family: MathJax_Math-italic;">R</span><span class="mi" id="MathJax-Span-4" style="font-family: MathJax_Math-italic;">e</span><span class="mi" id="MathJax-Span-5" style="font-family: MathJax_Math-italic;">g<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.003em;"></span></span><span class="mi" id="MathJax-Span-6" style="font-family: MathJax_Math-italic;">u</span><span class="mi" id="MathJax-Span-7" style="font-family: MathJax_Math-italic;">l</span><span class="mi" id="MathJax-Span-8" style="font-family: MathJax_Math-italic;">a</span><span class="mi" id="MathJax-Span-9" style="font-family: MathJax_Math-italic;">r</span><span class="mi" id="MathJax-Span-10" style="font-family: MathJax_Math-italic;">i</span><span class="mi" id="MathJax-Span-11" style="font-family: MathJax_Math-italic;">z<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.003em;"></span></span><span class="mi" id="MathJax-Span-12" style="font-family: MathJax_Math-italic;">e</span><span class="mi" id="MathJax-Span-13" style="font-family: MathJax_Math-italic;">d<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.003em;"></span></span><span class="mi" id="MathJax-Span-14" style="font-family: MathJax_Math-italic;">M<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span><span class="mi" id="MathJax-Span-15" style="font-family: MathJax_Math-italic;">F<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span></span><span style="display: inline-block; width: 0px; height: 2.302em;"></span></span></span><span style="display: inline-block; overflow: hidden; vertical-align: -0.309em; border-left: 0px solid; width: 0px; height: 1.253em;"></span></span></nobr><span class="MJX_Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>R</mi><mi>e</mi><mi>g</mi><mi>u</mi><mi>l</mi><mi>a</mi><mi>r</mi><mi>i</mi><mi>z</mi><mi>e</mi><mi>d</mi><mi>M</mi><mi>F</mi></math></span></span><script type="math/tex" id="MathJax-Element-7343">Regularized MF</script>是对<span class="MathJax_Preview" style="color: inherit; display: none;"></span><span class="MathJax" id="MathJax-Element-7344-Frame" tabindex="0" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><mi>B</mi><mi>a</mi><mi>s</mi><mi>i</mi><mi>c</mi><mi>M</mi><mi>F</mi></math>" role="presentation" style="position: relative;"><nobr aria-hidden="true"><span class="math" id="MathJax-Span-16" style="width: 5.452em; display: inline-block;"><span style="display: inline-block; position: relative; width: 4.353em; height: 0px; font-size: 125%;"><span style="position: absolute; clip: rect(1.453em, 1004.35em, 2.452em, -999.998em); top: -2.298em; left: 0em;"><span class="mrow" id="MathJax-Span-17"><span class="mi" id="MathJax-Span-18" style="font-family: MathJax_Math-italic;">B</span><span class="mi" id="MathJax-Span-19" style="font-family: MathJax_Math-italic;">a</span><span class="mi" id="MathJax-Span-20" style="font-family: MathJax_Math-italic;">s</span><span class="mi" id="MathJax-Span-21" style="font-family: MathJax_Math-italic;">i</span><span class="mi" id="MathJax-Span-22" style="font-family: MathJax_Math-italic;">c</span><span class="mi" id="MathJax-Span-23" style="font-family: MathJax_Math-italic;">M<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span><span class="mi" id="MathJax-Span-24" style="font-family: MathJax_Math-italic;">F<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span></span><span style="display: inline-block; width: 0px; height: 2.302em;"></span></span></span><span style="display: inline-block; overflow: hidden; vertical-align: -0.059em; border-left: 0px solid; width: 0px; height: 1.003em;"></span></span></nobr><span class="MJX_Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>B</mi><mi>a</mi><mi>s</mi><mi>i</mi><mi>c</mi><mi>M</mi><mi>F</mi></math></span></span><script type="math/tex" id="MathJax-Element-7344">Basic MF</script>的优化,而<span class="MathJax_Preview" style="color: inherit; display: none;"></span><span class="MathJax" id="MathJax-Element-7345-Frame" tabindex="0" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><mi>P</mi><mi>M</mi><mi>F</mi></math>" role="presentation" style="position: relative;"><nobr aria-hidden="true"><span class="math" id="MathJax-Span-25" style="width: 3.202em; display: inline-block;"><span style="display: inline-block; position: relative; width: 2.552em; height: 0px; font-size: 125%;"><span style="position: absolute; clip: rect(1.453em, 1002.55em, 2.452em, -999.998em); top: -2.298em; left: 0em;"><span class="mrow" id="MathJax-Span-26"><span class="mi" id="MathJax-Span-27" style="font-family: MathJax_Math-italic;">P<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span><span class="mi" id="MathJax-Span-28" style="font-family: MathJax_Math-italic;">M<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span><span class="mi" id="MathJax-Span-29" style="font-family: MathJax_Math-italic;">F<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span></span><span style="display: inline-block; width: 0px; height: 2.302em;"></span></span></span><span style="display: inline-block; overflow: hidden; vertical-align: -0.059em; border-left: 0px solid; width: 0px; height: 1.003em;"></span></span></nobr><span class="MJX_Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>P</mi><mi>M</mi><mi>F</mi></math></span></span><script type="math/tex" id="MathJax-Element-7345">PMF</script>是在<span class="MathJax_Preview" style="color: inherit; display: none;"></span><span class="MathJax" id="MathJax-Element-7346-Frame" tabindex="0" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><mi>R</mi><mi>e</mi><mi>g</mi><mi>u</mi><mi>l</mi><mi>a</mi><mi>r</mi><mi>i</mi><mi>z</mi><mi>e</mi><mi>d</mi><mi>M</mi><mi>F</mi></math>" role="presentation" style="position: relative;"><nobr aria-hidden="true"><span class="math" id="MathJax-Span-30" style="width: 8.953em; display: inline-block;"><span style="display: inline-block; position: relative; width: 7.153em; height: 0px; font-size: 125%;"><span style="position: absolute; clip: rect(1.453em, 1007.15em, 2.652em, -999.998em); top: -2.298em; left: 0em;"><span class="mrow" id="MathJax-Span-31"><span class="mi" id="MathJax-Span-32" style="font-family: MathJax_Math-italic;">R</span><span class="mi" id="MathJax-Span-33" style="font-family: MathJax_Math-italic;">e</span><span class="mi" id="MathJax-Span-34" style="font-family: MathJax_Math-italic;">g<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.003em;"></span></span><span class="mi" id="MathJax-Span-35" style="font-family: MathJax_Math-italic;">u</span><span class="mi" id="MathJax-Span-36" style="font-family: MathJax_Math-italic;">l</span><span class="mi" id="MathJax-Span-37" style="font-family: MathJax_Math-italic;">a</span><span class="mi" id="MathJax-Span-38" style="font-family: MathJax_Math-italic;">r</span><span class="mi" id="MathJax-Span-39" style="font-family: MathJax_Math-italic;">i</span><span class="mi" id="MathJax-Span-40" style="font-family: MathJax_Math-italic;">z<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.003em;"></span></span><span class="mi" id="MathJax-Span-41" style="font-family: MathJax_Math-italic;">e</span><span class="mi" id="MathJax-Span-42" style="font-family: MathJax_Math-italic;">d<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.003em;"></span></span><span class="mi" id="MathJax-Span-43" style="font-family: MathJax_Math-italic;">M<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span><span class="mi" id="MathJax-Span-44" style="font-family: MathJax_Math-italic;">F<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span></span><span style="display: inline-block; width: 0px; height: 2.302em;"></span></span></span><span style="display: inline-block; overflow: hidden; vertical-align: -0.309em; border-left: 0px solid; width: 0px; height: 1.253em;"></span></span></nobr><span class="MJX_Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>R</mi><mi>e</mi><mi>g</mi><mi>u</mi><mi>l</mi><mi>a</mi><mi>r</mi><mi>i</mi><mi>z</mi><mi>e</mi><mi>d</mi><mi>M</mi><mi>F</mi></math></span></span><script type="math/tex" id="MathJax-Element-7346">Regularized MF</script>的基础上,引入概率模型进一步优化。假设用户<span class="MathJax_Preview" style="color: inherit; display: none;"></span><span class="MathJax" id="MathJax-Element-7347-Frame" tabindex="0" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><mi>U</mi></math>" role="presentation" style="position: relative;"><nobr aria-hidden="true"><span class="math" id="MathJax-Span-45" style="width: 1.002em; display: inline-block;"><span style="display: inline-block; position: relative; width: 0.802em; height: 0px; font-size: 125%;"><span style="position: absolute; clip: rect(1.453em, 1000.8em, 2.452em, -999.998em); top: -2.298em; left: 0em;"><span class="mrow" id="MathJax-Span-46"><span class="mi" id="MathJax-Span-47" style="font-family: MathJax_Math-italic;">U<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span></span><span style="display: inline-block; width: 0px; height: 2.302em;"></span></span></span><span style="display: inline-block; overflow: hidden; vertical-align: -0.059em; border-left: 0px solid; width: 0px; height: 1.003em;"></span></span></nobr><span class="MJX_Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>U</mi></math></span></span><script type="math/tex" id="MathJax-Element-7347">U</script>和项目<span class="MathJax_Preview" style="color: inherit; display: none;"></span><span class="MathJax" id="MathJax-Element-7348-Frame" tabindex="0" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><mi>V</mi></math>" role="presentation" style="position: relative;"><nobr aria-hidden="true"><span class="math" id="MathJax-Span-48" style="width: 1.002em; display: inline-block;"><span style="display: inline-block; position: relative; width: 0.802em; height: 0px; font-size: 125%;"><span style="position: absolute; clip: rect(1.453em, 1000.8em, 2.452em, -999.998em); top: -2.298em; left: 0em;"><span class="mrow" id="MathJax-Span-49"><span class="mi" id="MathJax-Span-50" style="font-family: MathJax_Math-italic;">V<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.202em;"></span></span></span><span style="display: inline-block; width: 0px; height: 2.302em;"></span></span></span><span style="display: inline-block; overflow: hidden; vertical-align: -0.059em; border-left: 0px solid; width: 0px; height: 1.003em;"></span></span></nobr><span class="MJX_Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>V</mi></math></span></span><script type="math/tex" id="MathJax-Element-7348">V</script>的特征矩阵均服从高斯分布,通过评分矩阵已知值得到<span class="MathJax_Preview" style="color: inherit; display: none;"></span><span class="MathJax" id="MathJax-Element-7349-Frame" tabindex="0" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><mi>U</mi></math>" role="presentation" style="position: relative;"><nobr aria-hidden="true"><span class="math" id="MathJax-Span-51" style="width: 1.002em; display: inline-block;"><span style="display: inline-block; position: relative; width: 0.802em; height: 0px; font-size: 125%;"><span style="position: absolute; clip: rect(1.453em, 1000.8em, 2.452em, -999.998em); top: -2.298em; left: 0em;"><span class="mrow" id="MathJax-Span-52"><span class="mi" id="MathJax-Span-53" style="font-family: MathJax_Math-italic;">U<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.102em;"></span></span></span><span style="display: inline-block; width: 0px; height: 2.302em;"></span></span></span><span style="display: inline-block; overflow: hidden; vertical-align: -0.059em; border-left: 0px solid; width: 0px; height: 1.003em;"></span></span></nobr><span class="MJX_Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>U</mi></math></span></span><script type="math/tex" id="MathJax-Element-7349">U</script>和<span class="MathJax_Preview" style="color: inherit; display: none;"></span><span class="MathJax" id="MathJax-Element-7350-Frame" tabindex="0" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><mi>V</mi></math>" role="presentation" style="position: relative;"><nobr aria-hidden="true"><span class="math" id="MathJax-Span-54" style="width: 1.002em; display: inline-block;"><span style="display: inline-block; position: relative; width: 0.802em; height: 0px; font-size: 125%;"><span style="position: absolute; clip: rect(1.453em, 1000.8em, 2.452em, -999.998em); top: -2.298em; left: 0em;"><span class="mrow" id="MathJax-Span-55"><span class="mi" id="MathJax-Span-56" style="font-family: MathJax_Math-italic;">V<span style="display: inline-block; overflow: hidden; height: 1px; width: 0.202em;"></span></span></span><span style="display: inline-block; width: 0px; height: 2.302em;"></span></span></span><span style="display: inline-block; overflow: hidden; vertical-align: -0.059em; border-left: 0px solid; width: 0px; height: 1.003em;"></span></span></nobr><span class="MJX_Assistive_MathML" role="presentation"><math xmlns="http://www.w3.org/1998/Math/MathML"><mi>V</mi></math></span></span><script type="math/tex" id="MathJax-Element-7350">V</script>的特征矩阵,然后用特征矩阵去预测评分矩阵中的未知值。</strong></p>
    

    若用户UU

    同理:项目V的特征矩阵满足如下等式:
    p(V|σ2V)=Ni=1N(Vi|0,σ2VI)p(V|σV2)=∏i=1NN(Vi|0,σV2I)

    其中N(x|u,σ2)N(x|u,σ2)的高斯分布。


    假设真实值RR那么:

    那么评分矩阵RR的条件概率如下:

    P(R|U,V,σ2)=Ni=1Mj=1[N(Rij|UTiVj,σ2)]IijP(R|U,V,σ2)=∏i=1N∏j=1M[N(Rij|UiTVj,σ2)]Iij

    这里UU的联合分布:

    P(U,V|R,σ2,σ2U,σ2V)=P(R|U,V,σ2)P(U|σ2U)P(V|σ2V)P(U,V|R,σ2,σU2,σV2)=P(R|U,V,σ2)P(U|σU2)P(V|σV2)


    为什么要转换为这种形式呢?这还要从极大似然估计MLEMLE)说起。

    最大似然估计:假设观察数据满足FF,那么样本的概率表示为:

    P(x1,x2,,xn)=fD(x1,x2,xn|θ)P(x1,x2,…,xn)=fD(x1,x2,…,xn|θ)

    仔细想想,当前样本数据已知,未知参数只有θθ一元函数的最优值的方式。

    求极大似然估计(MLE)的一般步骤是:

    1. 由总体分布导出样本的联合概率函数 (或联合密度);

    2. 把样本联合概率函数(或联合密度)中自变量看成已知常数,而把参数 看作自变量,得到似然函数L(θθ的MLE;

    3. 在最大值点的表达式中, 用样本值代入就得参数的极大似然估计值 .

    似然函数:
    这里写图片描述

    通常取对数(对数似然),以便将乘化为加:

    这里写图片描述

    这样,待估计参数就可以表示为如下形式:

    这里写图片描述

    同理若待估计参数有两个,比如样本服从高斯分布,如下式,可以通过求偏导数得到估计值。

    这里写图片描述

    这样,PMF为何要转换为RUVR,U,V里的已知值计算出来(评估),然后为何会转为等式右边,这得需要最大后验概率的知识。

    最大后验概率:

    最大后验估计,融入了要估计量的先验分布在其中,也就是说待估计量θ本身也满足某概率分布g(θ)(已知), 称为先验分布。这样根据贝叶斯理论,似然函数有如下表示:(这里f(θ|x)等价l(θ|x)是似然函数,表示已知样本数据x集合,来评估θ的值(条件概率),但后面的等式就只关乎密度函数f了)。

    这里写图片描述

    贝叶斯公式大家都懂,这里我就说说分母为啥写成这个形式。此f是关于和θ和x的联合分布密度,不是我么理解的事件ABC,同时发生等。正常来说分母应该是f(x),表示只考虑x这一影响因素,要消除θ的影响,那么我么是通过对θ积分来消除θ,分母的结果最终是等于f(x)的,分子是等于f(θ,x)的。最终,待估参数表达为:

    这里写图片描述

    分母的积分结果得到关于f(x)的密度函数,已知的对不。这样,最大后验概率的待估参数就是在最大似然估计的结果后面多乘了个待估参数的先验分布。写到这,大家就该懂了为啥等式右边是那种形式了,在最大似然估计的基础上要添加UVU和V本身的先验分布。

    RUVR,U,V的联合密度对数化:

    这里写图片描述

    最大化后验概率U和V(最大可能性),等价于求下式的最小值:
    这里写图片描述
    其中:
    这里写图片描述

    解传统矩阵分解可以采用各种优化方法,对于概率分解,由于最后求的是参数U和V的最大似然估计,因此可以用最大期望法(EM)和马尔可夫链蒙特卡罗算法(MCMC)。这里就不多说了。

    PMF也有改进的地方,它没有考虑到评分过程中用户的个人信息,比如有的用户就是喜欢打低分,有的项目(电影)质量就是不高,分肯定高不了等,这样可以采用加入偏置的概率矩阵分解(贝叶斯概率矩阵分解BPMF),将在后面的博客中写出,会给出链接。

    补充:联合分布f(x,y),其中x和y无必然联系,x可以理解为老师课讲得好,y理解为课开在周六,那么f表示这节课选课的人数的概率密度,联合分布的概率跟f(x)一样,也是通过积分来求,f(x)求面积,而f(x,y)是求体积。

    最大似然估计和最大后验概率是参考了这两篇篇博客:

    http://blog.csdn.net/upon_the_yun/article/details/8915283
    http://wiki.mbalib.com/wiki/%E6%9C%80%E5%A4%A7%E4%BC%BC%E7%84%B6%E4%BC%B0%E8%AE%A1

    展开全文
  • EPA PMF 用户手册

    2018-11-28 09:06:50
    PMF是受体模型的一种,是美国EPA负责开发维护的,其主要作用是识别可能的污染源而不需要排放源清单只需要提供提供相应污染物浓度
  • PMF正交矩阵因子分解

    2018-11-09 10:15:49
    PMF正交矩阵因子分解 主要讲解EPA PMF软件的使用,是很好的中文使用文档说明,值得学习参考,对于大气环境数据的分析很有帮助。
  • EPA PMF5.0

    2018-07-06 08:59:45
    EPA PMF5.0 源解析工具,可用于大气污染物来源的解析。
  • MovieLens 100K上的概率矩阵分解 总览 在此项目中,我们使用MovieLens 100K数据集。 该数据集包含来自943位用户的1,682部电影的100,000个评分。 在此项目中,RMSE(均方根误差)用作度量。 我测试了2种不同的数据...
  • 分布概率质量函数(PMF)。 想象一个场景,一个holding抱着一个黑色和白色的球。 令m为the中白球的数量, n为黑球的数量。 我们从the中抽出k球。 将随机变量X定义为总共绘制的白球的数量,据说X遵循。 随机变量的...
  • pmfRND 输出给定 PMF 的随机整数 x = pmfRND(f,X) 返回 mxn 矩阵,其值是 Zipf 分布的, 其中f> 0是PMF(离散PDF),使得sum(f)= 1; X = [m,n]是期望的输出随机矩阵的大小。
  • 多种经典矩阵分解算法包,含但不局限于PMF,biasSVD
  • 软件介绍: EPA PMF 5.0用于解析大气的污染源,这个是其完整安装包,官方原版,安装后能够空气源解析。在做大气源分析相关毕业论文时要用到这个软件。
  • 压缩包中包含概率矩阵分解的python代码实现,以及movielen上下载的数据集,可以用来自己跑实验,很方便
  • 全球产品经理大会课程分享:Suzanne DuFore:利用客户洞察实现产品市场匹配(PMF
  • n=rand_gen(x,pmf,N) 示例: x=[1,3,4] :变量集pmf=[1/3,1/3,1/3] : [x 的每个变量的可预测性N=100 : 随机信号的样本数
  • PMF转MKV.rar

    2019-06-29 11:19:10
    支持从PSP游戏中提取出来的音频文件PMF格式转换为MKV格式文件。
  • 多项式-pmf 多项概率质量函数 安装 npm install multinomial-pmf 用法 var multpmf = require ( 'multinomial-pmf' ) multpmf ( [ 0.5 , 0.5 ] , [ 1 , 1 ] ) // coin toss: HT // 0.5 multpmf ( [ 0.5 , 0.5 ] ,...
  • PMF-Live-源码

    2021-03-28 07:54:18
    现场直播

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,477
精华内容 2,190
关键字:

PMF