We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
シミュレータが持っている筈の、距離に対する各オブジェクトの観測確率を推定する。 一旦距離を除いてモデリングした上で、得られた各クラスの出力を変換する。
あるlight curve (x)が得られた時、それがクラスcである確率は
P(c|x) = P(x|c)P(c)/P(x)
P(x)はどのクラスに対しても同じなので、
P(c|x) ~ P(x|c)P(c)
P(c)は訓練データの数だけで求めると精度が低いので、距離(または距離とluminosity)の関数であると仮定し、訓練データから確率密度関数を推定。
P(c)は距離に対してsmoothなはずなので、少数のサンプルからGBDTに境界を解かせるより良いはず。うまく行けばclass99にも役立つ?
The text was updated successfully, but these errors were encountered:
No branches or pull requests
シミュレータが持っている筈の、距離に対する各オブジェクトの観測確率を推定する。
一旦距離を除いてモデリングした上で、得られた各クラスの出力を変換する。
あるlight curve (x)が得られた時、それがクラスcである確率は
P(c|x) = P(x|c)P(c)/P(x)
P(x)はどのクラスに対しても同じなので、
P(c|x) ~ P(x|c)P(c)
P(c)は訓練データの数だけで求めると精度が低いので、距離(または距離とluminosity)の関数であると仮定し、訓練データから確率密度関数を推定。
P(c)は距離に対してsmoothなはずなので、少数のサンプルからGBDTに境界を解かせるより良いはず。うまく行けばclass99にも役立つ?
The text was updated successfully, but these errors were encountered: