- 博客(75)
- 收藏
- 关注
RSS订阅原创 应用回归分析：非参数回归
非参数回归是一种统计方法，它在建模和分析数据时不假设固定的模型形式。与传统的参数回归模型不同，如线性回归和多项式回归，非参数回归不需要预先定义模型的结构（例如，模型是否为线性或多项式）。这使得非参数回归在处理复杂数据关系方面非常灵活，尤其是当我们不清楚数据之间的确切关系或当关系很难用简单的数学形式表达时。
2024-02-24 19:43:51
2590
原创 应用回归分析：贝叶斯回归
贝叶斯回归是一种统计方法，它利用贝叶斯定理来更新对回归参数的估计。这种方法不仅考虑了数据的不确定性，还考虑了模型参数的不确定性，为预测提供了一个更加全面的框架。在本文中，我们将深入探讨贝叶斯回归的基本概念、如何实现它以及它与传统回归方法之间的区别。
2024-02-24 19:33:05
1838
原创 应用回归分析：泊松回归
泊松回归是一种广泛用于计数数据的回归分析方法。它适用于响应变量是非负整数的情况，特别是当这些计数呈现出明显的离散分布时。泊松回归通过泊松分布的概率分布函数来建模计数数据，使其成为处理计数数据的自然选择。本文将介绍泊松回归的基本概念、应用场景、优缺点以及如何实施。
2024-02-23 20:00:59
1692
原创 应用回归分析：多项式回归
多项式回归是一种形式的线性回归，在处理非线性数据时非常有用。它通过对一个或多个自变量的幂进行建模，来拟合一个非线性关系。本文将探讨多项式回归的基本概念、应用场景、优缺点以及如何实施。
2024-02-23 19:54:39
684
原创 应用回归分析：弹性网络回归
弹性网络回归（Elastic Net Regression）是一种广泛使用的线性回归方法，它结合了岭回归（Ridge Regression）和套索回归（Lasso Regression）的特点。通过融合这两种方法的正则化项，弹性网络旨在克服当数据集具有多重共线性、特征维度高于样本数量，或者某些特征之间存在强相关时单独使用岭回归或套索回归的局限性。本文将介绍弹性网络回归的基本原理、其优势以及在实际问题中的应用。
2024-02-22 16:33:10
1528
原创 应用回归分析：逻辑回归
逻辑回归（Logistic Regression）是一种广泛应用于分类问题的统计方法，特别是在二分类问题中表现突出。尽管名为回归，逻辑回归实际上是解决分类问题的一种强大工具。本文将深入探讨逻辑回归的原理、应用场景以及如何在实际问题中应用逻辑回归。
2024-02-22 16:29:06
983
原创 应用回归分析：主成分分析
回归分析是研究变量之间关系的一种统计方法，主要用于预测和因果关系分析。在回归分析中，研究者试图确定一个或多个自变量（X）如何影响因变量（Y）。基于回归分析的类型（如线性回归、多项式回归、逻辑回归等），可以建立相应的数学模型来描述这些变量之间的关系。主成分分析是一种统计方法，通过正交变换将一组可能相关的变量转换为一组线性无关的变量，这组新的变量称为主成分。PCA的目的是减少数据的维度，同时保留数据集中最重要的变异信息。通过PCA，可以简化数据结构，减少后续分析的复杂度。
2024-02-21 09:12:43
2317
原创 应用回归分析：多重共线性
多重共线性是回归分析中一个常见的问题，它发生在预测模型的多个自变量之间存在高度相关性时。这种现象不仅会降低模型的精确性，还会使得模型的解释变得更加困难。本文将深入探讨多重共线性的概念、识别方法、产生的影响以及如何处理这一问题。
2024-02-18 23:16:28
1789
原创 应用回归分析：岭回归
岭回归，也称为Tikhonov正则化，是一种专门用于处理多重共线性问题的回归分析技术。多重共线性是指模型中的自变量高度相关，这种高度的相关性会导致普通最小二乘法（OLS）估计的回归系数变得非常不稳定，甚至无法解释。岭回归通过引入一个非常小的、称为正则化参数的偏差，来改善估计的稳定性和减少方差，虽然这会以略微增加偏差为代价。
2024-02-18 22:04:31
1964
原创 多元回归分析：理论与应用
多元回归分析是一种统计方法，用于研究两个或多个自变量（解释变量）与一个因变量（响应变量）之间的关系。这种分析允许研究者评估多个因素对结果变量的影响，是社会科学、经济学、生物医学和工程等多个领域中常用的技术。
2024-02-08 15:09:37
536
原创 注意力机制（Attention Mechanism）
在当今的人工智能（AI）和机器学习（ML）领域，一个关键且日益受到重视的概念是“注意力机制”（Attention Mechanism）。这个概念源自于我们对人类大脑如何处理信息的理解，特别是在面对海量数据时，如何有效地筛选出关键信息。注意力机制在AI中的运用，类似于人类在观看一幅画作或阅读一篇文章时的注意力分配。我们的大脑天然就会被某些特定的信息所吸引，从而忽略掉其他较不重要的部分。这个机制使我们能够在复杂的环境中高效地处理信息，专注于最关键的部分。
2023-11-26 13:59:30
2102
原创 灰色预测 Python
灰色预测法是一种处理不完全信息预测问题的方法，主要适用于信息不足、数据量小且变化不规律的序列预测。其中，GM(1,1)是灰色预测中的一种常用模型，用于一元一次预测。
2023-10-10 15:31:03
793
原创 机器学习讲解！（多种算法示例 全网最详细！）
机器学习是人工智能的一个分支，它研究计算机如何通过自身的学习和经验来提高其性能，而不需要明确的被编程。机器学习算法可以从大量的数据中学习，并能根据这些数据做出预测或分类。机器学习目前已经被广泛应用于许多领域，包括自然语言处理、计算机视觉、图像识别、语音识别、金融分析、医疗诊断等。机器学习算法是一个庞大的体系，每种算法都有自己的优缺点。选择合适的算法需要考虑数据的特点、任务的类型、计算资源等因素。机器学习是一个非常热门的研究领域，它正在不断发展。
2023-08-12 13:30:57
782
原创 深入理解虚拟专用网络：VPN如何连接全球
此时，用户的网络活动都会通过VPN的安全隧道进行，可以保护用户数据的安全，并在一定程度上实现网络访问的自由。我们应记住，尽管VPN能帮助我们保护个人隐私，提高网络安全，也可以帮助我们在一定程度上实现网络访问的自由，但我们仍需要遵守各地的法律法规。以上便是对VPN的一个全面介绍。：首先，当用户启动VPN应用并选择连接一个VPN服务器时，VPN客户端与该服务器创建一个安全的连接，也称为"隧道"。：通过VPN连接，用户的设备会获取到VPN服务器的IP地址，这会使网络活动看起来像是从VPN服务器所在地发起的。
2023-07-15 15:52:00
2135
原创 应用回归分析的入门指南
回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（特征）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。对于初学者来说，理解和掌握回归分析可能需要一些时间和实践。但是，一旦你开始使用回归分析，你会发现它是一种极其强大和灵活的工具。在我们的下一篇文章中，我们将深入讨论每一种类型的回归分析，包括它们的优点、缺点和适用场景。希望你们期待，并在学习的旅程中与我一同进步！
2023-07-12 13:51:22
334
原创 从零开始：如何用Python建立你的第一个人工智能模型
在这篇文章中，我们将介绍如何从零开始使用Python建立你的第一个人工智能模型。无论你是刚接触编程的新手，还是有经验的开发者想进一步探索人工智能领域，这篇文章都将为你提供清晰、详细的指南。我们将一步步探索数据预处理、模型建立、训练和测试的过程，以及如何解读模型的结果。
2023-06-08 23:19:10
26635
1
原创 连续Hopfield神经网络的优化——旅行商问题优化计算
连续Hopfield神经网络（Continuous Hopfield Network, CHN）是一种基于能量最小化原理的神经网络模型，与离散Hopfield网络相比，它的状态是连续的，典型地采用实数值或者概率分布。在优化连续Hopfield神经网络时，需要考虑以下几个方面：选择合适的激活函数：激活函数是神经元的输出与输入之间的非线性映射，对于连续Hopfield网络，常见的激活函数有Sigmoid、Tanh和ReLU等。选择合适的激活函数可以提高网络的性能。
2023-04-27 11:38:01
2373
2
原创 ChatGPT百科全书（全网最全面）
ChatGPT是一款先进的自然语言处理（NLP）模型，由OpenAI开发和维护。它基于OpenAI的第四代生成预训练Transformer（GPT-4）架构，旨在通过深度学习技术理解和生成人类语言。ChatGPT可以与用户进行自然、流畅的交流，为各种场景提供智能问答和文本生成能力。
2023-03-26 22:16:32
4593
原创 广义神经网络的聚类算法--网络入侵聚类
广义神经网络（GNN）是一种专门用于处理图结构数据的深度学习模型。在讨论聚类算法之前，我们首先简要介绍一下图结构数据和GNN的基本概念。
2023-03-25 21:34:22
988
原创 2023年美赛（MCM/ICM）春季赛
美国大学生数学建模竞赛是数学建模领域内的国际性权威赛事，由美国自然基金协会和美国数学应用协会共同主办，美国数学学会、运筹学学会、工业与应用数学学会等多家机构协办。自1985年以来，美国大学生数学建模竞赛已经成功举办38届，2022年大赛吸引了来自美国、中国、澳大利亚、加拿大、英国、印度等多个国家与地区的高校，包括哥伦比亚大学、纽约大学、剑桥大学、帝国理工学院、哈佛大学、康奈尔大学以及北京大学、清华大学、上海交通大学、西安交通大学、华南理工大学等全球众多高校。
2023-03-11 21:34:14
1042
原创 离散Hopfield神经网络的分类——高校科研能力评价
离散Hopfield网络是一种经典的神经网络模型，使用离散化的神经元和离散化的权值矩阵实现模式识别和模式恢复的功能。它由n个离散化的神经元和全连接权值矩阵组成。学习规则基于Hebbian学习规则，即两个神经元同时激活时，它们之间的连接强度会增强。模式存储阶段将训练集中的模式存储到权值矩阵中，使得每个模式成为网络的一个吸引子。模式识别阶段，当网络接收到一个输入模式时，它会在权值矩阵中寻找最接近的吸引子，将输入模式恢复为最接近的训练模式。
2023-03-11 11:24:40
1676
2
原创 基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
2023-03-07 16:55:28
395
原创 5.5 Python使用if语句处理列表
在第一行，我们定义了一个列表，其中包含比萨店供应的配料。在第三行，我们又创建了一个列表，其中包含顾客点的配料，请注意那个不同寻常的配料一'french fries’。在第五行，我们遍历顾客点的配料列表在这个循环中，对于顾客点的每种配料，我们都检查它是否包含在供应的配料列表中(见第六行 )；下面的示例定义了两个列表，其中第一人列表包含比萨店供应的配料，而第二个列表包含顾客点的配料。这里在比萨中添加每种配料前都进行检查。第四行的代码检查顾客点的是否是青椒，如果是，就显示一条消息，指出不能点青椒的原因。
2023-03-03 11:56:38
927
原创 5.4 Python if语句
理解条件测试后，就可以开始编写if语句了。if语句有很多种，选择使用哪种取决于要测试的条件数。前面讨论条件测试时，列举了多个if语句示例，下面更深入地讨论这个主题。
2023-02-27 23:28:46
251
原创 5.3 Python 条件测试
与条件表达式一样，布尔表达式的结果要么为True，要么为False。在跟踪程序状态或程序中重要的条件方面，布尔值提供了一种高效的方式。随着你对编程的了解越来越深入，将遇到术语。
2023-02-26 14:27:59
273
1
原创 5.2 Python 条件测试
你可能为比萨店编写的一些代码:这些代码首先创建一个列表，其中包含用户点的比萨配料，然后检查特定的配料是否包含在该列表中。左边的测试通过了，但右边的测试没有通过，因此整个条件表达式的结果为False。在第五行，我们将age_1改为22，这样age_1的值大于21，因此两个测试都通过了，导致整个条件表达式的结果为True。在这种情况下，可使用关键字not in。你可能想同时检查多个条件，例如，有时候你需要在两个条件都为True时才执行相应的操作，而有时候你只要求一个条件为True时就执行相应的操作。
2023-02-24 15:35:05
416
原创 5. Python if语句
编程时经常需要检查一系列条件，并据此决定采取什么措施。在Python中，if语句让你能够检查程序的当前状态，并据此采取相应的措施。在本章中，你将学习条件测试，以检查感兴趣的任何条件。你将学习简单的if语句，以及创建一系列复杂的if语句来确定当前到底处于什么情形。接下来，你将把学到的知识应用于列表，以编写for循环，以一种方式处理列表中的大多数元素，并以另一种不同的方式处理包含特定值的元素。
2023-02-12 15:40:04
379
原创 4.7 Python设置代码格式
本段内容介绍了Python代码格式设置的重要性。为了让代码易于阅读和以统一的格式编写，Python程序员遵循Python Enhancement Proposal (PEP) 8的代码格式设置指南。PEP 8推荐使用四个空格的缩进，以提高代码的可读性。此外，还提到了不使用制表符，而仅使用空格来缩进。
2023-02-11 18:28:34
3036
原创 4.6 Python元组
元组看起来犹如列表，但使用圆括号而不是方括号来标识。定义元组后，就可以使用索引来访问其元素，就像访问列表元素一样。我们首先定义了元组dimensions，为此我们使用了圆括号而不是方括号。接下来，我们分别打印该元组的各个元素，使用的语法与访问列表元素时使用的语法相同：20050下面来尝试修改元组dimensions中的一个元素，看看结果如何：第二行的代码试图修改第一个元素的值，导致Python返回类型错误消息。由于试图修改元组的操作是被禁止的，因此Python指出不能给元组的元素赋值：。
2023-02-04 08:52:03
486
原创 4.5 Python使用列表的一部分
接下来，在每个列表中都添加一种食品: 在列表my foods中添加'cannoli'(见第四行)，而在friend_foods中添加’ice cream’(见第五行)。然后，为获取该玩家的三个最高得分，你可以将该列表按降序排列，再创建一个只包含前三个得分的切片。我们在不指定任何索引的情况下从列表my_foods中提取一个切片，从而创建了这个列表的副本，再将该副本存储到变量friend_foods中。例如，假设有一个列表，其中包含你最喜欢的四种食品，而你还想创建另一个列表，在其中包含一位朋友喜欢的所有食品。
2023-02-03 21:22:46
377
原创 4.4 Python创建数值列表
需要存储一组数字的原因有很多，例如，在游戏中，需要跟踪每个角色的位置，还可能需要跟踪玩家的几个最高得分。在数据可视化中，处理的几乎都是由数字( 如温度、距离、人口数量经度和纬度等 ) 组成的集合。列表非常适合用于存储数字集合，而Python提供了很多工具，可帮助你高效地处理数字列表明白如何有效地使用这些工具后，即便列表包含数百万人元素，你编写的代码也能运行得很好。
2023-02-02 11:38:48
1405
原创 4.3 避免缩进错误 第二期
如果你不小心缩进了应在循环结束后执行的代码，这些代码将针对每个列表元素重复执行。在有些情况下，这可能导致Python报告语法错误，但在大多数情况下，这只会导致逻辑错误。如果原本只应执行一次的操作执行了多次，请确定你是否不应该缩进执行该操作的代码。如果你不小心遗漏了冒号，如上所示，将导致语法错误，因为Python不知道你意欲何为。for语句末尾的冒号告诉Python，下一行是循环的第一行。的代码行被缩进，它将针对列表中的每位魔术师执行一次。
2023-02-01 14:12:23
436
原创 4.2 避免缩进错误
最终的结果是，对于列表中的每位魔术师，都执行了第一条print语句，因为它缩进了；例如，有时候，程序员会将不需要缩进的代码块缩进，而对于必须缩进的代码块却忘了缩进。在for循环后面，没有缩进的代码都只执行一次，而不会重复执行。在前面的示例中，向各位魔术师显示消息的代码行是for循环的一部分，因为它们缩进了。在较长的Python程序中，你将看到缩进程度各不相同的代码块，这让你对程序的组织结构有大致的认识。print语句应缩进却没有缩进。通常，将紧跟在for语句后面的代码行缩进，可消除这种缩进错误。
2023-01-31 13:16:17
252
原创 4. 操作列表
这样，对于列表中的每个名字，Python都将重复执行第二行和第三行的代码行。在代码行for magician in magicians后面，每个缩进的代码行都是循环的一部分，且将针对列表中的每个值都执行一次。因此，可对列表中的每个值执行任意次数的操作。另外，编写for循环时，对于用于存储列表中每个值的临时变量，可指定任何名称。刚开始使用循环时请牢记，对列表中的每个元素，都将执行循环的指定步骤，而不管列表包含多少个元素。需要对列表中的每个元素都执行相同的操作时，可使用Python中的for循环。
2023-01-27 21:48:51
323
原创 3.3 Python组织列表
在你创建的列表中，元素的排列顺序常常是无法预测的，因为你并非总能控制用户提供数据的顺序。Python提供了很多组织列表的方式，可根据具体情况选用。
2023-01-27 12:18:55
719
空空如也
线性规划求解问题，使用python的pulp库
2023-03-29
TA创建的收藏夹 TA关注的收藏夹
TA关注的人