La fonction Sigmoid et sa dérivative

La fonction sigmoid s'écrit comme suit:

 

 

 

Sa déravative est :

l'imlémentation en C# est la suivante :

1. //sigmoid function
2. public double sigmoid(double z){
3. return 1/(1+Math.Exp(-z));
4. }
5. //derivative
6. public double Derivative(double z){
7. double s = Sigmoid(z);
8. return s * (1 - s);
9. }

Une petite librairie pour les statistiques descriptives

Cette librairie est écrite en C# Télécharger ICI:  TahaDescriptiveStat.zip

1. // les références à utilisé
2. using System;
3. using TahaSarpStat;
4. //les données (the input data)
5. double[]data ={12,87,90,76,43};
6. //la méthode
7. TahaDescriptiveStat ds = new TahaDescriptiveStat(data);
8. //la moyenne
9. Console.WriteLine("Moyenne :"+ds.Mean());
10. //
11. Console.WriteLine("std :"+ds.StandardDeviation());
12. //
13. Console.WriteLine("Kurtosis :"+ds.Kurtosis());
14. //
15. Console.WriteLine("Skweness :"+ds.Skweness());
16.  

Tutoriel Regression Multiple en utilisant la librairie TahaSharpStat

1. //les références à utiliser
2. using System;
3. using TahaSharpStat.TahaMultipleRegression;
4.  

Voici si-dessous la méthode à utilisé

1. //vecteur de variable dépendante
2. double[] y = new double[]{11.0, 12.0, 13.0, 14.0, 15.0, 16.0};
3. //Matrice des variables explicatives
4. double[] x = new double[6][];
5. x[0] = new double[]{0, 0, 0, 0, 0};
6. x[1] = new double[]{2.0, 0, 0, 0, 0};
7. x[2] = new double[]{0, 3.0, 0, 0, 0};
8. x[3] = new double[]{0, 0, 4.0, 0, 0};
9. x[4] = new double[]{0, 0, 0, 5.0, 0};
10. x[5] = new double[]{0, 0, 0, 0, 6.0}
11. //Voici la Méthode à utiliser
12. TahaMultipleRegression ml = new TahaMultipleRegrssion(x,y);
13. //le resultat
14. Console.WriteLine(""+ml.R2());// le coefficient de détérmination
15. Console.WriteLine(""+ml.adjRsquared());// adjusted R-squared
16. //