jupyter-notebook - 分析日志文件中观察的预测质量
问题描述
我有一个看起来像这样的日志文件:
2021-03-11 17:27 o1: 0
2021-03-11 17:27 o2: 8
2021-03-12 09:41 o1: 1
2021-03-12 09:41 o2: 12
2021-03-12 10:04 o1: 0
2021-03-12 10:04 o2: 16
2021-03-12 13:20 o1: 1
2021-03-12 13:20 o2: 33
2021-03-12 15:49 o1: 0
2021-03-12 15:49 o2: 18
2021-03-12 18:01 o2: 3
我想分析观察 o1 是否是跟随它的观察 o2 强度的预测因子。
例如,o1 可以是“相机看到云”,o2 可以是“检测到的降雨量”。那么我们可能会发现 o1 是 o2 的预测变量。
有什么好的方法来分析这个?有没有一种通用的方法,可能基于 Jupyter Notebooks?
解决方案
推荐阅读
- java - CMU sphinx livepeech 例子
- reactjs - 运行应用程序时查找配置变量时出错
- javascript - jQuery Uncaught SyntaxError:意外的标识符
- c# - ASP.Net Core 2.1 - 从子 TagHelper 读取 TagHelper 的父属性
- rust - 常量ìf`-表达式条件下的关联常量
- python - 如何仅编辑一个数据框熊猫的显示精度
- c# - 如何绘制列表内有列表的数据表?
- java - 在android中删除目录及其内容
- reactjs - 如何使用 React.js 在跨度上呈现不同的类?
- .net-core - ASP.NET Core AntiforgeryToken cookie 设置为 1969 作为过期时间