gbhill - ອອນລາຍໃນຄລາວ

ໂຄງການ:

NAME

gbhill - ການຄາດຄະເນຄວາມຄ້າຍຄືກັນສູງສຸດຂອງພູ

ສະຫຼຸບສັງລວມ

gbhill [ທາງເລືອກໃນການ] <ຫນ້າທີ່ ຄໍານິຍາມ>

ລາຍລະອຽດ

ການຄາດຄະເນຄວາມເປັນໄປໄດ້ສູງສຸດຂອງການແຈກຢາຍໂດຍອີງໃສ່ການສັງເກດການ (ຫາງ). ໄດ້
ການແຈກຢາຍລວມມີ: exponential, pareto1, pareto3, gaussian. ໃຫ້ຊື່ຂອງ
ການແຈກຢາຍແລະຄ່າເບື້ອງຕົ້ນຂອງພາລາມິເຕີໃນແຖວຄໍາສັ່ງ.

OPTIONS

-O ປະເພດຜົນຜະລິດ (ຄ່າເລີ່ມຕົ້ນ 0)

0 ຕົວກໍານົດການແລະ min NLL

1 ຕົວກໍານົດການແລະຄວາມຜິດພາດ

2 ຫນ້າທີ່ການແຈກຢາຍ

3 ການທໍາງານຂອງຄວາມຫນາແຫນ້ນ

4 ການປ່ຽນແປງການສັງເກດການ: ເປັນເອກະພາບໃນ [0.1] ພາຍໃຕ້ null

5 Renyi residuals: iid uniform in [0.1] ພາຍໃຕ້ null

-M ວິທີການທີ່ໃຊ້ (ຄ່າເລີ່ມຕົ້ນ 0)

0 ບໍ່ມີເງື່ອນໄຂ, ຫາງເທິງ

1 ເກນ, ຫາງເທິງ

2 ບໍ່ມີເງື່ອນໄຂ, ຫາງຕ່ໍາ

3 ເກນ, ຫາງຕ່ໍາ

-V ການຄາດຄະເນ matrix variance (ຄ່າເລີ່ມຕົ້ນ2)

0 < J^{-1} >

1 < H^{-1} >

2 < H^{-1} JH^{-1} >

-v ລະດັບ verbosity (ຄ່າເລີ່ມຕົ້ນ 0)

0 ພຽງແຕ່ຜົນໄດ້ຮັບ

1 ຫົວຄຳເຫັນ

2 ສະຖິຕິສະຫຼຸບ

3+ ຂັ້ນ​ຕອນ​ການ​ຫຼຸດ​ຜ່ອນ​

-a ພິມຊຸດທັງຫມົດສໍາລັບ -O 1,2

-u ການສັງເກດ ຫຼືເກນ (ຄ່າເລີ່ມຕົ້ນ 1)

-F ຕົວແຍກຊ່ອງປ້ອນຂໍ້ມູນ (ຄ່າເລີ່ມຕົ້ນ " \t")

-h ການຊ່ວຍເຫຼືອນີ້

-A comma ແຍກຕົວເລືອກການເພີ່ມປະສິດທິພາບ MLL ຂັ້ນຕອນ, tol, iter, eps, msize, algo. ໃຊ້ເປົ່າ
ຊ່ອງຂໍ້ມູນສໍາລັບຄ່າເລີ່ມຕົ້ນ (ຄ່າເລີ່ມຕົ້ນ 0.01,0.01,100,1e-6,1e-6,5)

ຂະຫນາດຂັ້ນຕອນເບື້ອງຕົ້ນຂອງຂັ້ນຕອນການຊອກຫາ

tol line search tolerance iter: ຈໍານວນສູງສຸດຂອງການຊໍ້າຄືນ

eps gradient tolerance : ເກນການຢຸດ ||gradient||

ວິທີການເພີ່ມປະສິດທິພາບຂອງ algo: 0 Fletcher-Reeves, 1 Polak-Ribiere, 2
Broyden-Fletcher-Goldfarb-Shanno, 3 steepest descent, 4 simplex, 5
Broyden-Fletcher-Goldfarb-Shanno2.

ຕົວຢ່າງ

gbhill pareto1 1 1 < file.dat
ຄາດຄະເນການແຈກຢາຍປະເພດ Pareto 1, ຄ່າເບື້ອງຕົ້ນແມ່ນ gamma=1 ແລະ b=1

gbhill -u .2 pareto1 1 1 < file.dat
ດຽວກັນໂດຍໃຊ້ພຽງແຕ່ 20% ການສັງເກດທາງເທິງ

ໃຊ້ gbhill ອອນໄລນ໌ໂດຍໃຊ້ບໍລິການ onworks.net