问题标签 [uncertainty]

所以我需要帮助想出一个表达式，它总是会给我一个孩子的父节点在二叉树中的位置。这是我的老师将在我们的考试中提出的问题示例：

“考虑一棵完整的二叉树，它正好有 10,000 个节点，使用从索引 0 开始的数组来实现。通过从左到右一次从树中提取一个级别的元素来按顺序填充数组。假设一个节点存储了它的值在位置 4999。该节点的父节点的值存储在哪里？

我的老师没有告诉我们如何解决这样的问题。她只是说“画一棵二叉树并找到一个模式”。我就是这么做的，但我什么也想不出来！请帮忙。谢谢。

我正在做上下文对象识别，我需要先验才能进行观察。例如，这个空间被标记为“狗”，它被正确标记的概率是多少？你知道 matlabs svmclassify 是否有一个参数来返回这个级别的确定性与它的分类？

如果没有，matlabs svm 里面有以下结构：

你能想出任何方法来计算这些不确定性的良好度量吗？（使用哪个支持向量？）欢迎解释 SVM 中的不确定性的论文/文章。也欢迎对 matlabs SVM 进行更深入的解释。

如果你不能这样做，你能想到任何其他具有这种不确定性度量的 SVM 库吗？

在对描述对话表达式语义的谓词执行引用解析时，由于在开放世界中工作，我需要能够允许部分统一。

例如，考虑以下场景：

你面前有一个蓝色的盒子。我们使用 id 来引用这个蓝色框3。

一组谓词box(x)^blue(x)可以轻松解析为您所知道的蓝色框。进行此查询将返回3

一组谓词ball(x)^yellow(x)不会解决任何问题。这可以。

但现在考虑ball(x)^yellow(x)^box(y)^blue(y)^behind(x,y) 的是，蓝色盒子后面的黄色球。

我们不知道黄球，但我们知道蓝盒子！当然，有可能已知盒子后面没有球，而另一个盒子正在被提及。但我们很确定我们知道正在谈论什么盒子。

我在一个概率框架内工作，在这个框架中我计算每组绑定满足一组命题的概率；然后，引用解析过程返回最可能的统一器/绑定集。不幸的是，在考虑 时behind(x,y)，我的系统消除了3被绑定到的可能性，y因为它不知道带有 id 的框后面有任何黄球3。

有没有办法对谓词进行部分统一，以便系统确定该语句最可能的解析是，y/3 x/?即 y 绑定到 3 并且 x 的身份是未知的？

我randomForest在 R 中使用包，目的是预测蛋白质之间的距离（RF 中的回归模型）“用于同源建模目的”，我获得了相当好的结果。但是，我需要有一个置信水平来对我的预测值进行排名并过滤掉坏模型，所以我想知道是否有可能计算这样的置信水平，或者任何其他方法来衡量预测的确定性？非常感谢任何建议或建议

假设黑客获得了存储的哈希、盐、胡椒和算法的数据集，并且可以访问无限的计算资源。我希望确定最大哈希大小，以便确定原始输入字符串的确定性名义上等于某个目标确定性百分比。

约束：

输入字符串仅限于 8 个均匀分布的数字字符。没有数字间的关系，例如校验和数字。

目标标称确定性百分比为 1%。

假设散列函数是统一的。

以字节为单位的最大散列大小是多少，所以名义上有 100 个（即 1% 的确定性）8 位值将计算为相同的散列？应该可以从接受的答案中推广到 N 个数字和 X%。

请包括使用标准 20 字节 SHA1 的前 N ​​个字节作为可接受的实现是否存在任何问题。

人们认识到，这种方法会通过增加可能的“正确”答案来大大增加对暴力攻击的敏感性，因此需要权衡设计并且可能需要一些额外的措施（时间延迟、多个验证阶段等）。

我的团队希望计算两张在潮湿环境中拍摄的照片之间的对比度。

我们将使用公式计算对比度

对比度 = SQRT((ΔL)^2 + (Δa)^2 + (Δb)^2)

其中 ΔL 是光度的差异，Δa 是（红-绿）的差异，Δb 是（黄-蓝）的差异，它们是 Lab 空间的维度。

我们（迄今为止成功的）方法是将每个像素从 RGB 转换为 Lab 空间，并将图像相关部分的平均值作为 A 和 B 变量。

然而，环境限制我们使用（防水）GoPro 相机，它将图像压缩为 JPEG 格式，而不是保存为 TIFF，因此我们没有使用真彩色图像。

我们现在需要量化对比度的不确定性——为此我们需要知道 A 和 B 的不确定性，并通过扩展了解每个 RGB 像素的每个 a 和 b 值的不确定性（或平均/典型不确定性）。只有当我们知道从真彩色转换为 JPEG 时产生的典型/最大不确定性时，我们才能计算这一点。

因此，当以 JPEG 格式保存时，我们需要知道每个 RGB 通道的最大可能差异。

例如。如果真彩色 RGB 像素 (5, 7, 9) 在压缩后变为 (2, 9, 13)，则每个通道的不确定性将为 (+/- 3, +/- 2, +/- 4)。

我们相信相机会以 4:2:0 的纵横比压缩颜色 - 有没有办法对此进行测试？

然而，我们的主要问题是；有没有办法知道每个通道中的最大可能误差，或者从压缩的 RGB 结果中计算不确定性？

注意：我们知道从 JPEG 转换回 TIFF 是不可能的，因为 JPEG 压缩是有损的。我们只需要量化这种颜色损失的程度。

我正在使用 python 2.7 和名为“不确定性”的模块来分析实验数据。我有两个数组，polycoeffs 和 cov，它们是由 numpy 函数 polyfit 生成的。我已经设法从 cov 数组中提取了前导对角线，并且我试图将这些值与名为 uncert_coeffs 的列表中的适当系数与不确定性函数“ufloat”进行匹配。这是代码：

这会产生错误：

所以我的问题是：在这种情况下，手动组合 polycoeff 和它们的不确定性将是一种非常痛苦的情况，我怎样才能让 ufloat 解包变量 uncert？此外，uncert 的值大多是科学计数法。

我正在尝试使用 sympy 来求解多项式方程，其系数具有不确定性。因此，对于不确定性，我正在尝试使用不确定性模块。有没有办法做到以下几点：

没有它抛出错误：

如何轻松处理Pandas（Python 数据分析库）中 Series 或 DataFrame 的不确定性？我最近发现了 Python不确定性包，但我想知道是否有任何更简单的方法可以直接在 Pandas 中管理不确定性。我在文档中没有找到任何关于此的内容。

更准确地说，我不想将不确定性作为新列存储在我的 DataFrame 中，因为我认为它们是数据系列的一部分，不应该在逻辑上与之分开。例如，删除 DataFrame 中的列没有任何意义，但删除它的不确定性没有任何意义，所以我必须手动处理这种情况。

我正在寻找data_frame.uncertainties可以像data_frame.values属性一样工作的东西。A data_frame.units（用于数据单元）也会很棒，但我认为 Pandas 中不存在这些东西（还没有？）......

我正在分析 Mathematica 中的一些数据以获取实验室报告，并且在找到一种在垂直轴和水平轴上绘制误差线（不确定性）的方法时遇到了一些麻烦。我已经导入了 ErrorBarPlots 函数来做到这一点。我目前的数据排列如下：

我可以使用 data[[1,1,1]] 等调用 3d 数组的任何元素，但是每当我尝试使用 ErrorListPlot 函数时，它都不会这样做。我之前使用此函数仅在 x 轴上绘制错误，但在绘制两者时尚未成功。

有小费吗？这在 Mathematica 中是否可行？似乎无法在网络上的其他地方找到任何有用的东西。