- 博客(21)
- 收藏
- 关注
原创 数学建模-数学专用词汇
mixed quadratic and cubic polynomial interpolation and extrapolation method 混合⼆次、三次多项式内插、外插法 multiobjective。cubic smoothing spline 三次平滑样条 cubic spline。linear model 线性模型 linear regression。最⼩⼆乘估计 least-square method 最⼩⼆乘法。拟合优度检验 test of homogeneity ⻬性检验。
2024-02-25 01:57:59
956
原创 美赛面试准备
美赛重在创新和发散性思维,有很多自由发挥的空间,一般不存在标准答案,且一般是很多科研人员正在研究的热点问题,需要我们查阅大量的文献且在前人的模型上进行创新与改进,通常建模过程都不会很复杂,且outstanding论文的共同点在于其较为创新且论文的写作较为准确严谨,要能够自圆其说。除此之外,美赛相比国赛对于数据处理的能力要求更高,其中,C题与kaggle有一定的相似之处,有些题目很少能够给出现成数据,大多数据都是要靠网上搜索得到,并 且常常需要爬虫之类的技巧。针对模型的假设,必须要对假设进行解释。
2024-02-15 18:20:12
1374
1
原创 数学建模美赛常用的模型英文对照
决策树(Decision Tree),随机森林(Random forest),SVM支持向量机(Support Vector Machine),xgboost分类,神经网络分类Neural network classification),层次聚类(hierarchical clustering),Density-Based Spatial Clustering of Applications with Noise(DBSCAN密度聚类)(Recurrent Neural Network循环神经网络)
2024-02-11 21:58:18
460
1
原创 美赛 优秀论文读后感 C2010638
Unconsciously, this is the last post-reading feeling of the O Prize paper. In the first four post-reading feelings, our group focused on the writing of each part of the paper, the connection between paragraphs, and the description of the model. Here I want
2024-02-09 09:29:45
425
1
原创 Thoughts on reading the C questions of MCM in2019
Writing Style AnalysisThe accuracy of word choice and sentence structure in this mathematical modeling paper is commendable. The team have effectively utilized precise terminology and concise language to convey their ideas and findings. The following are s
2024-02-09 09:19:53
355
3
原创 Thoughts on reading the C2002116 of MCM in 2020
After reviewing c2002116, I must say that the writing style and language used in the paper are highly accurate and precise. The team have effectively conveyed their ideas and concepts related to the CE-VADER model for sentiment analysis in review texts.C20
2023-12-17 21:22:33
404
1
原创 Thoughts on reading the C questions of MCM in 2020
It was divided three parts, problem background, clarification and restatement and our work. In the chapter on the problem background, I noticed that it not only mentioned the background of the problem, but also mentioned the literature review of solving th
2023-12-11 13:25:22
1025
原创 应用随机过程 笔记
需要了解:强大数定律 独立同分布 弱大数定律(可能要列相关条件)最近发现自己的文字理解能力着实不太行,但是如果用几何的方式理解会容易很多。
2023-11-30 23:01:23
479
原创 机器学习入门 5
首要工作在构建神经网络的时候,首先考虑的是如何选择网络结构:多少层和每层多少个神经单元第一层的单元数即我们训练集的特征数量。最后一层的单元数是我们训练集的结果的类的数量。如果隐藏层数大于1,确保每个隐藏层的单元个数相同,通常情况下隐藏层单元的个数越多越好。训练神经网络步骤参数的随机初始化利用正向传播方法计算所有的hθ(x)编写计算代价函数 J_j 的代码利用反向传播方法计算所有偏导数利用数值检验方法检验这些偏导数使用优化算法来最小化代价函数。
2023-07-10 13:10:37
71
1
原创 机器学习 知识补充2
如果直接使用线性模型中的代价函数,即误差平方和,得到的代价函数是个非凸函数(如果使用梯度下降,可能会陷入局部最小值),但是实际上我们期望看的是凸函数(右边)即使更新参数的规则看起来基本相同,但由于假设的定义发生了变化,所以逻辑函数的梯度下降,跟线性回归的梯度下降实际上是两个完全不同的东西。hθ(x)作用是对于给定的输入变量,根据选择的参数计算输出变量=1的可能性,即:hθ(x)=P(y=1|x;对于给定的x,通过已经确定的参数计算得出hθ(x)=0.7hθ(x)=0.7,则表示有70%的几率y属于正类。
2023-07-10 12:42:28
58
1
原创 机器学习的一些补充(理解)1
有好几天没有写笔记了,因为慢慢感觉到自己学习的态度有些变化,所以赶紧停下来转变一下心态。我认为记笔记的初衷首先是为了理解知识,其次是为了便于复习,但写着写着突然有种赶进度的感觉,觉得自己越来越不注重自己知识的掌握,而是用今天看了几集来衡量自己是否努力。因此这一篇是对前面知识的理解与补充,写得较为简略,因为这些文章的初衷也不是为了写而写,而是便于自己学习查阅。
2023-07-09 20:17:56
57
1
原创 机器学习入门-1
监督学习:首先用输入x和正确答案的例子(标签y)训练模型,在模型从这些输入、输出或x和y对中学习之后,就可以通过输入的新的x预测新的y。无监督学习:不带标签地获取数据,并尝试将它们自动分组到群集中(数据只带有输入X而不输出标签Y)代价函数的可视化:等高线图(最接近等高线图中心的是最好的参数选择):在梯度下降的每一步,都用所有的training examples。聚类算法:j将相似的点聚类在一起 聚类遗传DNA数据。两种主要的监督学习算法:回归算法 分类算法。分类算法:检测是否患肿瘤。w,b: 模型的参数。
2023-07-04 18:29:10
42
原创 计量经济学期末复习重点
时间序列数据:把反映某一总体特征的同一指标的数据,按照一定的时间顺序和时间间隔(如月度.季度.年度)排列起来,这样的统计数据称为时间序列数据。包含7假设(模型是正确设定的(合适解释变量、合适函数形式) 扰动项期望值为0 解释变量是外生的 扰动项之间没有关联 扰动项是同方差的 解释变量之间不存在完全共线性 扰动项满足正态分布)随机误差项是一个被添加到回归方程中的项,用于引入不能被X0中包含的Y的所有变化: - 遗漏的(通常是次要的)对Y的影响。如在具名手指调查中收集的对各个固定调查户在不同时期的调查数据。
2023-06-28 20:31:51
1056
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人