- 博客(8)
- 收藏
- 关注
RSS订阅原创 腾讯云bi实践——财报分析好帮手
性价比高，操作简单，具有高效的设计和制作功能，是企业分析人员的指标可视化工作的好帮手。用户可以通过简单的拖拽操作完成报表的开发，降低了使用门槛，提供了一站式的分析平台，集成了数据准备、报告制作和数据分析的功能，支持从数据源接入到数据门户搭建的全流程。支持报表的分享、推送，以及与企业微信、公众号的集成，便于团队协作和数据的实时分享。，设计基于资产负债表的资产管理分析 、基于损益表的经营效益分析、基于现金流量表的现金流分析的可视化模型，对企业财务状况有更清晰的认识，更好的评估企业竞争实力。
2024-06-10 17:53:01
739
原创 西瓜书Task7
重要性质：训练完成后，大部分训练样本不需要保留，最终模型仅与支持向量有关。w为法向量，b为位移项，划分超平面可以被wb确定。#最大化间隔——支持向量机的基本型。#线性可分，映射到更高维的特征空间。核函数选择成为支持向量机的最大变数。#通过核化进行非线性拓展。
2024-06-02 22:44:50
222
原创 西瓜书Task 6 神经网络
预训练：无监督逐层训练是多隐层网络训练的有效手段，其基本思想是每次训练一层隐结点，训练时将上一层隐结点的输出作为输入，而本层隐结点的输出作为下一层隐结点的输入。的连接(connection)进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过“激活函数”(activation function)处理以产生神经元的。的误差函数值均不小于该点的误差函数值。理想中的激活函数是图5.2(a)所示的阶跃函数，它将输入值映射为输出值“0”或“1”，显然“1”对应于神经元兴奋，“0”对应于神经元抑制.
2024-05-30 17:45:57
939
原创 西瓜书Task 5 线性判别分析
为使正例尽可能近——下尽可能小；反例尽可能远——上尽可能大。投影到一条直线，使正例尽可能近，反例尽可能远。#全局散度矩阵——LDA推广到多分类任务中。#LDA欲最大化的目标，广义瑞利商。两类样本投影到直线w上的投影为。（异类），两类样本的协方差为。
2024-05-27 21:44:31
183
原创 西瓜书 Task4 决策树
假定离散属性a有V个可能的取值{a¹,a²,...}，若使用a来对样本集D进行划分，则会产生V个分支结点，再考虑到不同的分支结点所包含的样本数不同，给分支结点赋予权重，即样本数。称为属性a的“固有值”(intrinsic value)，属性a的可能取值数目越多(即V越大)，则IV(a)的值通常会越大。的属性有所偏好，为减少这种偏好可能带来的不利影响，“增益率”(gain ratio)来选择最优划分属性.决策树的分支结点所包含的样本尽可能属于同一类别，即结点的“纯度”(purity)越来越高.
2024-05-24 10:17:56
304
1
原创 西瓜书 Task3 对数几率回归
逼近y，式(3.14)在形式上仍是线性回归，但实质上已是在求取输入空间到输出空间的非线性函数。#对数几率函数：近似单位阶跃函数的替代函数，将z值转化为接近0或1的y值，作为。#二分类任务：其输出标记y∈{0,1}，而线性回归模型产生的预测值。可见，对数线性回归是广义线性函数在g(.)=ln(.)的特例。尺度上变化——输出标记的对数：线性模型逼近的目标。#广义线性模型：考虑单调可微函数g(.)，令。#分类任务：找单调可微函数将分类任务的。#y视为后验概率估计，3.19可重写为。的可能性，1-y视为。
2024-05-21 10:16:15
190
原创 西瓜书Task1
介绍了机器学习流程：收集若干样本——训练样本 （80 个）和测试样本（20个）——选用机器学习算法——在训练集上进行训练——产出得到模型——用测试集来测试模型的效果。
2024-05-15 20:56:02
358
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