الإحصاء :: Maxentropy. maxentropy هو وحدة perl5 لتحقيق أقصى نماذج الانتروبوي والتحريض على الميزة.
التحميل الان

الإحصاء :: Maxentropy. الترتيب والملخص

الإحصاء :: Maxentropy. العلامات

الوحدة النمطية بيرل غير قادر علي النمذجة الحد الأقصى لنمذجة انتروبيا ميزات الحث

الإحصاء :: Maxentropy. وصف

Maxentropy هو وحدة perl5 للحصول على أقصى نماذج الانتروبيا والتحريض على ميزة. Maxentropy هو وحدة perl5 للحصول على أقصى نماذج الانتروبيا والتعريفي الميزات. استخدام إحصائيات الاستخدام :: Maxentropy؛ # تصحيح الرسائل؛ الافتراضي 0 $ الإحصاء :: MaxentRopy :: Debug = 0؛ # الحد الأقصى لعدد التكرارات ل IIS؛ افتراضي 100 $ الإحصاء :: Maxentropy :: Newton_Max_it = 100؛ # الحد الأدنى المسافة بين X جديدة والقديمة لطريقة نيوتن؛ # الافتراضي 0.001 $ الإحصاء :: Maxentropy :: Newton_min = 0.001؛ # الحد الأقصى لعدد التكرار بطريقة نيوتن؛ الإحصاء الافتراضي 100 $ :: Maxentropy :: kl_max_it = 100؛ # الحد الأدنى المسافة بين x الجديد والقديم. الافتراضي 0.001 $ الإحصاء :: maxentropy :: kl_min = 0.001؛ # حجم مونتي كارلو العينات. الافتراضي 1000 $ الإحصاء :: Maxentropy :: Sample_Size = 1000؛ # إنشاء مساحة حدث جديدة من ملف الأحداث $ الأحداث = الإحصائيات :: Maxentropy :: جديد (ملف $)؛ # تحجيم تكرار التصادم المعمم، "Corpus" لا يعني عدم أخذ العينات $ الأحداث-> مقياس ("Corpus"، "GIS")؛ # تحسن التحجيم التكراري، "MC" تعني أحداث MC "MC" Monte Carlo Acts-> مقياس ("MC"، "IIS")؛ # ميزة خوارزمية التعريفي، انظر أيضا الإحصاءات :: المرشحون POD $ المرشحون = الإحصاء :: المرشحون-> جديد ($ clishidates_file)؛ الأحداث $ -> FI ("IIS"، المرشحين $ $، $ nr_to_add، "MC")؛ # كتابة الأحداث الجديدة والمرشحين والمعلمات الملفات الأحداث $-> الكتابة ($ some_other_file)؛ الأحداث $-> Write_Parameters (ملف $)؛ الأحداث $-> Write_parameters_with_names (ملف $)؛ # تفريغ / التركيز مساحة الحدث إلى / من ملف الأحداث $-> تفريغ (ملف $)؛ الأحداث $ -> التركيز (ملف $)؛ هذه الوحدة هي تطبيق خوارزميات القياس التكرارية المعمم والمحسنة (GIS، IIS) وخوارزمية التعريفي الميزة (FI) على النحو المحدد في (Darroch و Ratcliff 1972) و (Della Pietra et ال. 1997). الغرض من خوارزميات التحجيم هو العثور على أقصى توزيع Entropy يحتوي على مجموعة من الأحداث و (اختياريا) التوزيع الأولي. قد يتم تحديد مجموعة من ميزات المرشحين؛ ثم قد يتم تطبيق خوارزمية Fi لإيجاد وإضافة ميزة (ميزة) المرشح التي تعطي أكبر "كسب" من حيث اختلاف Kullback Leibler عند إضافته إلى المجموعة الحالية من الميزات. يتم تحديدها من حيث مجموعة من مجموعة وظائف الميزات (خصائص) F_1 ... F_K التي تحتوي على كل حدث إلى {0،1}: حدث هو سلسلة من البتات. بالإضافة إلى كل حدث يتم تقديم تردده. نحن نفترض أن مساحة الحدث التي يمكن أن يكون لها توزيع احتمالية يمكن وصفها بواسطة الوحدة النمطية تتطلب الوحدة النمطية قليلا من Steffen Beyer والبيانات :: وحدة الدومبر من قبل Gurusamy Sarathy. كلاهما يمكن الحصول عليه من CPAN تماما مثل هذه الوحدة. متطلبات: perl.

الإحصاء :: Maxentropy. برامج ذات صلة