问题标签 [uncertainty]

有没有办法将我的数据集的不确定性纳入 Savitzky Golay 拟合的结果？由于我没有将这些信息传递给函数，我假设它只是通过未加权最小二乘过程计算“最佳拟合”。我目前正在处理具有非均匀不确定性的数据，因此可以通过包括我的主要数据集的错误来改进数据的拟合度。

Savitzky-Golay 滤波器的维基百科页面建议我如何改变计算拟合系数的过程，我正在盯着 的代码scipy.signal.savgol_filter，但我无法理解我需要调整的内容，以便这个会做我想做的事。

是否有现成的加权 SG 过滤器浮动？我很难相信在 Python 中没有其他人需要这个工具，但也许我错过了一些东西。

我想要一个类似的传说

但虚线和黄色区域合并如下：

我使用不确定性包计算了一些 ufloat ，我们称它们为 theta 和 gamma。现在，对于我的以下计算，我不需要它们的错误（我稍后将它们用作线性图中的 y 值）。

我可以简单地计算它们而忽略它们的错误，但我不想做两次工作。

即我的伽玛是gamma=(42, 0.5) 我想将它们转换为没有错误的浮点数（就像这样gamma_float=42）。我怎么能只解决他们的价值观？

我正在尝试在熊猫数据框中的给定不确定性范围内搜索匹配值。例如，如果我有一个数据框：

如何搜索与 112.6 +/-0.4 匹配的值，而无需创建冗长且困难的标准，例如：

基本上，我想创建一个“缓冲窗口”，允许返回与窗口匹配的所有值。我有不确定性包，但还没有让它像这样工作。

理想情况下，我希望能够返回在给定错误范围内与 C 和 B 中的值匹配的所有索引值。

编辑

正如@MaxU 所指出的，如果您知道确切的数字，则 np.isclose f(x) 效果很好。但是是否可以匹配一个值列表，例如，如果我有第二个数据帧并想查看一个数据帧中的 C 值是否在容差范围内与 C （第二个数据帧）的值匹配？我试图将它们放入一个列表并以这种方式进行操作，但是在尝试一次处理多个值时遇到问题。

编辑 2

我通过尝试几种不同的解决方法发现了我可以做的：

这将返回给定列的命中。使用第一个答案中提出的逻辑，我认为这可以很好地满足我的需要。有没有我用这种方法看不到的挂断？

干杯并感谢您的帮助！

有没有办法从置信度/不确定性/误差椭圆中计算协方差矩阵？我知道它是如何以相反的方式完成的，使用 a2x2 covariance matrix来计算置信椭圆（例如，此处描述：http: //www.visiondummy.com/2014/04/draw-error-ellipse-representing-covariance-matrix/）。

这甚至可能还是缺少必要的信息？

我的置信椭圆由轴的长度和椭圆旋转的角度来描述。

到目前为止我的方法： 轴长度对应于协方差矩阵的两个特征值并定义“扩展”。椭圆角为 0 表示 x 和 y 之间没有相关性。 没有相关性的协方差矩阵

我创建了一个新的空白 2x2 矩阵并假设角度为zero，例如，我使用了第一个特征值并将其设置为var_xx。与第二个特征值和 相同var_yy。现在我有一个对角矩阵，它描述了方差，但没有旋转（相关性）。

现在我使用 2D 旋转矩阵和椭圆角来旋转之前创建的矩阵。

这种方法似乎是错误的，因为矩阵不再是对称的。不幸的是，协方差矩阵必须是对称的。

有任何想法吗？

我正在研究汽车跟踪问题，我收到的测量结果是不确定的（我知道噪声模型是高斯的，它的方差也是已知的）。在这种不确定性中，我如何选择下一步行动？

基本上我应该如何改变我的成本函数，以便我可以通过选择适当的行动来优化我的计划？

我有 2 个位置元组列表（x，y 数据）。我想为两个列表中的位置（或元组）返回 2 个数组或索引列表。然而，位置数据值不会完全相等，在 x 和 y 坐标上都会有 +/- 4 的不确定性。

例如：

它应该返回：

或者：

任何一个都可以使用。

Python 中是否有一个函数可以通过指定 +/- 值来返回 2 个列表中匹配数据的索引？

我需要为 3 个列表执行此操作，每个列表有 ~400 个元组，它们的大小不相等。

我什至在考虑使用类似的东西：

并以某种方式为 指定一个范围a，只查看 x 和 y 数据并返回索引而不是 true/false，但我真的不知道如何处理这个问题。循环是做到这一点的唯一方法吗，通过分别查看每个值，获取它们之间的差异并查看这是否 < 4，然后获取索引？

我想要一个看起来像这样的情节：

我正在尝试用 matplotlib 做到这一点：

我希望阴影区域与中心线的颜色相同。但是现在，我的问题是means有一些NaNs 并且fill_between不接受。我得到错误

TypeError: 输入类型不支持 ufunc 'isfinite'，并且根据转换规则 ''safe'' 无法安全地将输入强制转换为任何支持的类型

关于如何实现我想要的任何想法？该解决方案不需要使用matplotlib，只要它可以绘制我的一系列点以及多个系列的不确定性。

I would like to calculate NN model certainty/confidence (see What my deep model doesn't know) - when NN tells me an image represents "8", I would like to know how certain it is. Is my model 99% certain it is "8" or is it 51% it is "8", but it could also be "6"? Some digits are quite ambiguous and I would like to know for which images the model is just "flipping a coin".

I have found some theoretical writings about this but I have trouble putting this in code. If I understand correctly, I should evaluate a testing image multiple times while "killing off" different neurons (using dropout) and then...?

Working on MNIST dataset, I am running the following model:

How should I predict with this model so that I get its certainty about predictions too? I would appreciate some practical examples (preferably in Keras, but any will do).

To clarify, I am looking for an example of how to get certainty using the method outlined by Yurin Gal (or an explanation of why some other method yields better results).

我的问题：

我在 pythons 不确定性包中有一组 ufloats（例如 unarray）。数组的所有值都有自己的误差，我需要一个函数，它给出了数组相对于两者的平均值，计算标称值的平均值时得到的误差以及值误差的影响。

我有一个uarray：

2 +/- 1 3 +/- 2 4 +/- 3

并且需要一个函数，它给我一个数组的平均值。

谢谢