FitnessFunc#
- class astropy.stats.FitnessFunc(p0=0.05, gamma=None, ncp_prior=None)[源代码]#
基类:
object
贝叶斯基类阻塞适应度函数。
派生类应重载以下方法:
fitness(self, **kwargs)
:计算给定一组命名参数的适应度。fitness接受的参数必须在
[T_k, N_k, a_k, b_k, c_k]
(见 [1] 有关这些参数含义的详细信息)。
此外,其他方法也可能过载:
__init__(self, **kwargs)
:使用任何超出正常值的参数初始化适应度函数
p0
和gamma
.validate_input(self, t, x, sigma)
:启用输入数据的特定检查 (
t
,x
,sigma
)在安装前进行。compute_ncp_prior(self, N)
如果ncp_prior
没有明确定义,调用此函数是为了在装配之前对其进行定义。这可以从
gamma
,p0
或任何你选择的方法。p0_prior(self, N)
:指定给定虚警概率的先验形式
p0
(见 [1] 详情请参阅。
有关实现的适应度函数的示例,请参阅
Events
,RegularEvents
和PointMeasures
.工具书类
方法总结
compute_ncp_prior
\(n)如果
ncp_prior
未显式定义,则从gamma
或p0
.fit
(t[, x, sigma])在给定的适应度函数下,对贝叶斯块模型进行拟合。
fitness
(**kwargs)p0_prior
\(n)经验先验,以虚警概率为参数
p0
。validate_input
(t[, x, sigma])验证模型的输入。
方法文件
- fit(t, x=None, sigma=None)[源代码]#
在给定的适应度函数下,对贝叶斯块模型进行拟合。
- 参数:
- t : array_likeNumpy:ARRAY_LIKE
数据时间(一维,长度N)
- x : array_like ,可选NumPy:ARRAY_LIKE,可选
数据值
- sigma : array_like 或
float
,可选NumPy:ARRAY_LIKE或PYTHON:FLOAT,可选 数据错误
- 返回:
- edges :
ndarray
恩达雷 包含(M+1)条边的数组,用于定义M个最佳箱
- edges :
- p0_prior(N)[源代码]#
经验先验,以虚警概率为参数
p0
。参见式。《21在斯卡格尔》(2013)
原始的“方程式”里有一个错误。以下更正表格摘自https://arxiv.org/abs/1304.2818
- validate_input(t, x=None, sigma=None)[源代码]#
验证模型的输入。
- 参数:
- t : array_likeNumpy:ARRAY_LIKE
观察次数
- x : array_like ,可选NumPy:ARRAY_LIKE,可选
每次观察值
- sigma :
float
或 array_like ,可选PYTHON:FLOAT或NumPY:ARRAY_LIKE,可选 值x中的错误
- 返回:
- t, x, sigma : array_like ,
float
或None
NumPy:ARRAY_LIKE、PYTHON:FLOAT或PYTHON:NONE 输入的验证版本或修改版本
- t, x, sigma : array_like ,