我一直在寻找一种方法来计算数据集不是正态分布时训练分类模型所需的最小样本数量(em(Ne))。一份研究论文提出以下建议:
如果数据不是正态分布,则d和N之间的指数关系为 假定的数量和所需的样本数量可能如下:
Ne(min)= Dsteps ^ d
其中 Dsteps 是每个功能的离散步数。
d:数据集的维度。
如果有人可以帮助我获取/计算此度量标准,我将非常感激:每个功能的离散步骤数。
用R或Matlab代码进行解释将非常有帮助。谢谢:D
我一直在寻找一种方法来计算数据集不是正态分布时训练分类模型所需的最小样本数量(em(Ne))。一份研究论文提出以下建议:
如果数据不是正态分布,则d和N之间的指数关系为 假定的数量和所需的样本数量可能如下:
Ne(min)= Dsteps ^ d
其中 Dsteps 是每个功能的离散步数。
d:数据集的维度。
如果有人可以帮助我获取/计算此度量标准,我将非常感激:每个功能的离散步骤数。
用R或Matlab代码进行解释将非常有帮助。谢谢:D