小编Esk*_*app的帖子

我正在尝试使用高斯 HMM 预测股市。我不知道模型训练后预测步骤是如何完成的。我不明白准确预测最可能的状态序列如何有助于预测未来价值。

One of the question asked suggest this method: "Use the Viterbi algorithm with the (partial) sequence to obtain the most likely hidden-state-sequence. Take the emission distribution of the last hidden state in this sequence and predict e.g. the mean of that distribution (which often is Gaussian)."

I did not get what he says after predicting most likely state sequence.

I have trained my model using functions available with hmmlearn in python. I have also applied Viterbi algorithm …

我有一个数组子类,其中一些额外的属性仅对对象的原始形状有效.有没有办法确保所有数组形状更改操作返回一个普通的numpy数组而不是我的类的实例？

我已经写array_wrap,但是这似乎并不具有像操作的任何影响np.mean,np.sum或np.rollaxis.这些只是返回我班级的一个实例.

import numpy as np    

class NewArrayClass(np.ndarray):
    __array_priority__ = 3.0
    def __array_wrap__(self, out_arr, context=None):
        if out_arr.shape == self.shape:
            out = out_arr.view(new_array)
            # Do a bunch of class dependant initialization and attribute copying.
            # ...
            return out
        else:
            return np.asarray(out_arr)

A = np.arange(10)
A.shape = (5, 2)
A = arr.view(NewArrayClass)
# Would like this to be np.ndarray, but get new_array_class.
print type(np.sum(A, 0))

我想我必须做的东西__new__还是__array_finalize__,但我还没有什么线索.

更新: 仔细阅读子类化的numpy文档(http://docs.scipy.org/doc/numpy/user/basics.subclassing.html)后,所有数组形状更改操作都在执行"从模板新建"操作.所以问题就变成了,如何使'new from template'操作返回ndarray实例而不是我的类的实例.据我所知, …

我尝试计算一维离散余弦变换（类型 2），我试图用 numba 提高我的性能。我有以下代码：

import numpy as np
import math
import numba

@numba.jit()
def epsilon(N:int, i: int) -> float:
    if i == 0 or i == N:
        return math.sqrt(2)/2
    return 1.0

@numba.jit()
def dct2(a):
    n = len(a)
    y = np.empty([2*n])
    y[:len(a)] = a
    y[n:] = np.flip(a)
    fft = np.fft.fft(y)
    erg = np.empty([n])
    factor = 1/math.sqrt(2*n)
    for i in range(0,n):
        erg[i] = factor*epsilon(n,i)*(math.cos(-i*2*math.pi/(4*n))*fft[i].real - math.sin(-i*2*math.pi/(4*n))*fft[i].imag)
    return erg

我认为它无法编译for循环，但我不知道为什么。根据我对 numba 文档的理解，应该能够解除循环。

我收到以下警告：

In definition 0:
    All templates rejected with literals.
In definition …

如何在 Pycharm 中安装 YAML 包？我想将它用于 python 3.8（或 3.9）项目。当尝试通过项目设置安装包时，出现以下错误：

ERROR: Could not find a version that satisfies the requirement yaml

或者，我尝试通过键入 来搜索通过命令窗口可用的任何 YAML 包pip search yaml。然后我收到以下错误：

ERROR: XMLRPC request failed [code: -32500]

有什么建议吗？

谢谢

我正在努力找到一种方法来factory_boy使用定义为a的备用构造函数来创建类Factory(我使用版本2.11.1和Python 3)@classmethod.

因此,假设我们有一个用于构建具有默认构造函数的2D点对象的类,另外还有2个:

class Point:

    def __init__(self, x, y):
        self.x = x
        self.y = y

    @classmethod
    def fromlist(cls, coords):  # alternate constructor from list
        return cls(coords[0], coords[1])

    @classmethod
    def duplicate(cls, obj):  # alternate constructor from another Point
        return cls(obj.x, obj.y)

我创建了一个基本的Point工厂:

import factory

class PointFactory(factory.Factory):
    class Meta:
        model = Point
        inline_args = ('x', 'y')

    x = 1.
    y = 2.

默认情况下,它似乎调用__init__类的构造函数,这似乎非常合乎逻辑.我不能找到一种方法,通过inline_args为coords使用可选的构造fromlist.有办法吗？

这是我第一次在工作和建造工厂的经历,所以我也可能在网上查找错误的关键字......

使用 tf.keras.callbacks，我只能通过选择一个要监控的属性（通常是验证准确性）来自动保存最佳模型，但有时，我需要根据验证和训练准确性的比较来保存它。我怎样才能做到这一点？

tf.keras.history 文件是否记录模型在每个时期的权重？如果是这样，如何通过指定我想要的纪元从历史文件中保存我的模型？这是另一种可能的解决方案。

这就是我遇到的情况：有时，我的验证准确性在早期时期非常高（我想这纯粹是偶然），而我的训练准确性仍然远远低于它。该纪元最终成为自动保存的模型。这是一个蹩脚的模型，因为它的训练精度很差，但由于它的验证精度很高，所以它被拯救了。如果它保存在训练和验证准确性满足的地方，那将是一个非常好的模型。因此，在每个时期，我更愿意比较训练准确性和验证准确性，选择两者中最低的一个，并据此决定我的最佳模型。关于如何做到这一点有什么建议吗？