为了计算多元法线的CDF,我按照这个例子(对于单变量情况)但不能解释scipy产生的输出:
from scipy.stats import norm
import numpy as np
mean = np.array([1,5])
covariance = np.matrix([[1, 0.3 ],[0.3, 1]])
distribution = norm(loc=mean,scale = covariance)
print distribution.cdf(np.array([2,4]))
产生的输出是:
[[ 8.41344746e-01 4.29060333e-04]
[ 9.99570940e-01 1.58655254e-01]]
如果联合CDF定义为:
P (X1 ? x1, . . . ,Xn ? xn)
那么预期的输出应该是0到1之间的实数.
我试图加快使用Cython的日期时间之间的比较,当传递一个numpy数组的日期时间(或足以创建日期时间的细节).首先,我试着看看Cython如何加速整数之间的比较.
testArrayInt = np.load("testArray.npy")
Python方法:
def processInt(array):
compareSuccess = 0#number that is greater than
testValue = 1#value to compare against
for counter in range(testArrayInt.shape[0]):
if testValue > testArrayInt[counter]:
compareSuccess+=1
print compareSuccess
Cython方法:
def processInt(np.ndarray[np.int_t,ndim=1] array):
cdef int rows = array.shape[0]
cdef int counter = 0
cdef int compareSuccess = 0
for counter in range(rows):
if testInt > array[counter]:
compareSuccess = compareSuccess+1
print compareSuccess
与numpy行1000000的时间比较是:
Python: 0.204969 seconds
Cython: 0.000826 seconds
Speedup: 250 times approx.
使用日期时间重复相同的练习:由于cython不接受一个日期时间数组,因此我拆分并向这两个方法发送一组年,月和日.
testArrayDateTime = np.load("testArrayDateTime.npy")
Python代码:
def …我使用Cox回归建模了一个问题,现在想要预测一个人的估计生存时间.该模型具有生存时间所依赖的协变量列表.这告诉我们如何计算P(T> t),它基本上是给定个体的生存函数(1-CDF).
我想预测一些略有不同的东西.鉴于已使用的协变量的值,我想预测该人居住的估计天数.据我所知,这类似于pdf的抽样.如何使用R中的生存包来完成此操作？以下是使用Cox回归模型的拟合概要.
Call:
coxph(formula = Surv(Time, death) ~ variable1 + variable2 + variable3 +
variable4 + variable5 + variable6 + variable7 + variable8 + variable9,
data = DataTest, method = "breslow")
n= 23756, number of events= 23756
coef exp(coef) se(coef) z Pr(>|z|)
variable1 0.02494 1.02526 0.02375 1.050 0.29354
variable2 -0.20715 0.81290 0.02395 -8.650 < 2e-16 ***
variable3 0.12940 1.13814 0.02263 5.717 1.08e-08 ***
variable4 0.02469 1.02500 0.02289 1.079 0.28077
variable5 0.13165 1.14070 0.02235 5.891 3.84e-09 ***
variable6 …我正在尝试使用 CPLEX 的 Python API 实现一个简单的二次程序。随 CPLEX 提供的样本文件 qpex1 对此进行了讨论。qpex.lp 中提到的问题是
Maximize
obj: x1 + 2 x2 + 3 x3 + [ - 33 x1 ^2 + 12 x1 * x2 - 22 x2 ^2 + 23 x2 * x3
- 11 x3 ^2 ] / 2
Subject To
c1: - x1 + x2 + x3 <= 20
c2: x1 - 3 x2 + x3 <= 30
Bounds
0 <= x1 <= 40
End
该问题在 Python 中实现时，会收到一个矩阵 qmat，该矩阵实现了目标函数的二次部分。矩阵是：
qmat = …