遗产
文章平均质量分 72
没用了
狗狗人
喜欢下雨
展开
-
oop面向对象
面向对象编程定义类定义类class A: def __init__(self, age, name, sbj): self.name = name self.age = age self.sbj = sbj self.info = sbj + '.' + name def inf(self): return '{} {}'.format(self.sbj,self.name)test = A(18,'May','mat原创 2021-09-30 11:49:12 · 30 阅读 · 0 评论 -
DOS命令
DOS命令先记录一些快捷操作win r 命令crtl a 全选(斜杠,dos和linux是反着的好像)/ 此为参数斜杠? \ 此为路径分隔符鼠标右键是粘贴ctrl+c是终止当前命令一,打开cmd(命令提示符)win+r cmd管理员模式运行 开始菜单所有程序中找到,右键二,常用命令1. 切换盘符:直接输入 D:2. 查看当前所有目录 dir3. 切换目录 cd 后跟参数 : cd /d D:\program\hgame 传送位置 cd ..原创 2021-07-13 22:30:39 · 77 阅读 · 0 评论 -
numpy
numpy学到的函数创建数组(矩阵)数组形状数组转置的几种方法数组取数据数值修改数组拼接数组行列交换数组计算nan统计相关注意读取数据学到的函数创建数组(矩阵)import numpy as npa = np.array([1,2,3,4])b = np.array(range(1,5),#dtype="c32"指定数据类型#)c = np.arange(1,5)##嵌套语句d = np,array([random.random() for i in range(10)])type(原创 2021-09-27 20:26:21 · 42 阅读 · 0 评论 -
pandas
pandasseries创建取值方法读取数据dataframe创建import pandas as pdimport numpy as npNaN大写基于列series创建pd.Series(np.arrange(10),index = list())t = pd.Series([1,2,3,4,5],index = list("abcde"))type(t)## pandas.core.series.Series也可以用字典创建dic = {a:1,b:2,c:3}pd.S原创 2021-09-30 11:48:45 · 39 阅读 · 0 评论 -
朴素贝叶斯
Naive Bayes算法本身相关算法本身首先,上公式贝叶斯公式:P(B∣A)=P(A∣B)P(B)P(A)P(B|A)=\frac{P(A|B)P(B)}{P(A)}P(B∣A)=P(A)P(A∣B)P(B)朴素贝叶斯假设特征向量之间是相互独立的无需训练过程,只需要数据集,对于新的样本,只需要统计与样本相关的数据,带入公式即求得预测值但同样的条件A下,B的各个取值的贝叶斯估计求解出的概率之和,不为1,即:∑P(Bi∣A)≠1\sum P(B_i|A)\neq 1∑P(Bi∣A)=1原创 2023-03-16 14:23:30 · 40 阅读 · 0 评论 -
概率论
文章目录期望方差中心矩切比雪夫不等式Stein's 引理矩母函数期望Ef(g(x))E_f(g(x))Ef(g(x))这种,说明x服从f分布,称为g(x)关于f的期望E(g(x))=积分E(g(x))=积分E(g(x))=积分µX=argmin E(X−a)2µ_X = arg min\ E(X − a)^2µX=argmin E(X−a)2期望是离差和最小的值方差中心矩切比雪夫不等式P(g(X)≥r)≤E[g(X)]rP(g(X) ≥ r) ≤\frac{E原创 2023-03-16 14:25:13 · 210 阅读 · 0 评论 -
MCMC蒙特卡洛马尔可夫过程
MCMC定义定义随机过程:考虑一个随机变量的序列 X={X0,X1,X2...Xt...}X=\{X_0,X_1,X_2...X_t...\}X={X0,X1,X2...Xt...}这里 XtX_tXt 表示时刻 ttt 的随机变量, t=0,1,2...t= 0,1,2...t=0,1,2...每个随机变量的取值集合相同,称为状态空间,表示为 SSS 。随机变量可以是离散的,也可以是连续的。以上随机变量的序列构成随机过程(stochastic process)。假设在0时刻的随机变量原创 2023-02-17 14:24:08 · 302 阅读 · 0 评论 -
宏观经济学 索洛模型
索罗模型简介基本推导生产函数消费函数资本存量 投资 折旧投资折旧资本存量的变动结论黄金律水平简介索洛增长模型,又称新古典经济增长模型、外生经济增长模型,是在新古典经济学框架内所提出的著名的经济增长模型。主要用于解释固定资本增加,对GDP 所产生的影响。该模型假设投资的边际收益率递减,即在一定数量后生产得越多,效率越低。模型结论:经济增长的路径是稳定的。在长期只有技术进步是增长的来源。基本推导假设1:生产函数规模报酬不变,即:zY=F(zK,zL)zY=F(zK,zL)zY=F(zK,zL原创 2023-02-17 14:25:45 · 8449 阅读 · 0 评论 -
宏观经济学基础
文章目录概念财政政策:货币政策:四大目标:货币利率GDP开放的经济失业:概念财政政策:扩张性:减少财政收入(减税 ,增支,财政赤字)紧缩性:增加财政收入货币政策:扩张性:降低银行准备金率,降低存款利率,印钱紧缩性:减少货币供给四大目标:1.持续增长;2.稳定物价;3.就业;4.国内外收支平衡。gdp核算的三种方式,定义汇率适应性预测 理性预测菲利普斯曲线时滞挤出效应货币数量论 ,用T, 不行的时候替换成 Y短期中价格是黏性的冲击:外生因素导致需求或供给曲线变化原创 2023-02-17 14:26:01 · 147 阅读 · 0 评论 -
宏观经济学 IS-LM模型
文章目录概念GDP总需求货币概念GDP一个国家或地区在一定时间内生产的最终产品和服务的价值总和消费 + 投资 + 净出口总需求产出需求量与价格水平之间的关系,即MV=PYMV = PYMV=PY中,MV均为常数时PY成反比货币MV=PY=PTMV = PY = PTMV=PY=PTV=1/kV=1/kV=1/kM 货币供给V 货币流通速度P 价格水平/gdp平减指数Y 产出量/总收入/实际gdpT 一定时期交易总数k 对于每一美元,人们想要持有的货币数量PY 名义gdp通原创 2023-02-17 14:26:05 · 3449 阅读 · 0 评论 -
决策树 随机森林
DECISION TREEID3信息增益信息熵条件熵对于一棵决策树,如何使用是非常简单的,在此不过多赘述其实大多数模型都是一个思路:通过数据进行训练,构建模型,之后对于一个新数据,只需代入模型即可问题是如何构建模型,这才是一个算法的关键构建方法有很多种,在此我们仅介绍ID3(考试只考这个)ID3总的来说,ID3就是一种按照不同属性的信息增益来递归构造决策树的方法将所有属性的信息增益都计算一边之后,取最大的属性为根节点,再对每一个子树进行同样步骤,直到所有叶子节点都只有一个值,或所有属性都使用原创 2023-02-17 14:26:44 · 67 阅读 · 0 评论 -
K-means聚类
无监督学习前言K-means详细步骤注意事项前言首先需要先介绍一下无监督学习,所谓无监督学习,就是训练样本中的标记信息是位置的,目标是通过对无标记训练样本的学习来揭示数据的内在性质以及规律。通俗得说,就是根据数据的一些内在性质,找出其内在的规律。而这一类算法,应用最为广泛的就是“聚类”。聚类算法可以对数据进行数据归约,即在尽可能保证数据完整的前提下,减少数据的量级,以便后续处理。也可以对聚类数据结果直接应用或分析。而Kmeans 算法可以说是聚类算法里面较为基础的一种算法。K-means这里原创 2023-02-17 14:27:28 · 53 阅读 · 0 评论 -
KNN算法
K Nearest Neighbors概述其他距离N的取值优缺点优点:缺点:概述很简单,给定一个数据集,确定唯一参数N,模型即完成模型的使用,对于一个新的样本值,计算其周围最近的(Nearest Neighbors)N个样本,数量最多的取值,即为模型的预测值其他距离曼哈顿距离:d(x,y)=Σ∣xi−yi∣d(x, y)=\Sigma{|x_i-y_i|}d(x,y)=Σ∣xi−yi∣欧式距离:就是直线距离:d(x,y)=Σ(xi−yi)2d(x, y)=\sqrt{\Sigma{(x_i原创 2023-02-17 14:28:06 · 68 阅读 · 0 评论 -
bootstrap重抽样
bootstrappingmotivationimplement方法一:来自数据科学课堂方法二:来自统计计算课件motivation很多统计学的东西都是基于各种假设之下的,当我们不想对数据附加太强硬的情况下,仍然想知道这些数据的分布,此时便是这种方法的用武之地(但个人还是不太懂这个动机,bootstrap难道没有假设吗,他的性质不需要假设就能证明吗?)implement个人目前了解到两种用法:不过这只是两种用法,其内涵是一致的:方法一:来自数据科学课堂当我们已经具有一组从母体中抽取的n个样本原创 2023-02-17 14:28:31 · 1422 阅读 · 0 评论 -
无约束优化
优化二分法 Bisection牛顿拉普森法 Newton-RaphsonConvergence Order 收敛阶:定义:当目标函数不可微,或者h(x)难以计算时黄金搜索法多维情况牛顿法前提:目标函数为g(θ)g(\theta)g(θ)1)h(θ)=g′(θ)h(\theta)=g'(\theta)h(θ)=g′(θ)二分法 Bisection零点定理:当h(θ)h(θ)h(θ)是连续的。I如果 a<b并且h(a)h(b)<0a < b 并且 h(a)h(b) <0原创 2023-02-17 14:29:12 · 106 阅读 · 0 评论 -
强化学习捏
强化学习马尔可夫决策过程概念图马尔可夫决策过程定义: 下一个状态的产生只和当前的状态有关,即:在强化学习中,agent与environment一直在互动。在每个时刻t,agent会接收到来自环境的状态s,基于这个状态s,agent会做出动作a,然后这个动作作用在环境上,于是agent可以接收到一个奖赏Rt+1Rt+1,并且agent就会到达新的状态。所以,其实agent与environment之间的交互就是产生了一个序列: S0,A0,R1,S1,A1,R2,...我们称这个为序列决策原创 2023-02-17 14:31:36 · 44 阅读 · 0 评论 -
Monte Carlo Integtation
文章目录What is that 概率分布采样 拒绝采样 重要性采样How to do that均匀分布的产生概率分布采样连续变量指数分布这里还没学懂,等搞懂了几个分布的关系回来继续β\betaβ分布离散变量伯努利二项分布固定几个值的均匀分布几何分布随机数序列拒绝采样性质几个例子(slides) ,还没看,看了来填坑重要性采样Why is correctWhat is that蒙特卡洛j积分,用随机采样的方式,近似计算目标分布的期望(积分),有时仅仅通过画图快速了解分布的大概情况首先,采样的本质:原创 2021-11-05 16:58:32 · 117 阅读 · 0 评论 -
Monte Carlo Method
Monte Carloslides中的例子 (计算pi)蒙德卡洛方法蒙德卡罗积分slides中的例子 (计算pi)假设有一个由宽度d相同的平行木条组成的地板。在地板上放一根长度 l 的针(l < d)。我们关注其落地状态为穿过一条地板缝隙的在概率设X为针的中心到最近的平行线的距离,θ为针与其中一条平行线之间的锐角假设(X, θ)随密度呈均匀分布,其密度函数为(二元均匀分布)由几何知识可知,当x满足时,会落到线上;则,概率为此时,运用蒙特卡洛的思想,进行随机试验,估计pi的值进行原创 2021-10-29 15:43:26 · 244 阅读 · 0 评论 -
线性代数基础
基础线性代数知识矩阵运算加减数乘内积 模 正交矩阵乘法 结合律 乘积的转置对称阵 方阵逆阵 乘积逆 二阶逆阵计算特征值 特征向量矩阵的秩 及性质行秩==列秩用初等行变换将矩阵A化为阶梯形矩阵,则矩阵中非零行的个数就定义为这个矩阵的秩,记为r(A)满秩不可逆迹幂等矩阵 及性质向量导数 二次型...原创 2021-10-20 10:14:44 · 729 阅读 · 0 评论 -
人遗矢
方向导数和偏导的区别 知乎原创 2021-10-04 16:26:07 · 40 阅读 · 0 评论 -
逻辑回归lr
逻辑回归1. 模型介绍1.1 Logistic 分布1.2 Logistic 回归1.3 代价函数1.4 求解1.随机梯度下降(为什么要加随机二字)2.牛顿法1.5 正则化L1 正则化L2 正则化L1 和 L2 的区别1. 模型介绍逻辑回归是一个非常经典的算法,其中也包含了非常多的细节,曾看到一句话:如果面试官问你熟悉哪个机器学习模型,可以说 SVM,但千万别说 LR,因为细节真的太多了。Logistic Regression 实际上是分类模型,并常用于二分类。Logistic Regression原创 2021-12-20 16:26:05 · 219 阅读 · 0 评论 -
Ridge regression
ridgemotivationWhat is that岭回归的解读判断共线性和标准化λ\lambdaλ的确定老朋友GCVmotivation构建模型初期,我们为了将所有的因素都考虑到,我们会尽可能的引入所有可能的潜在变量,因此也导致了一些问题:1)协变量的数量太多,以至于多于样本的数量2)某些变量之间存在共线性,例如月工资和年薪本节我们专注于第二点:共线性1)我们知道∣XTX∣≠0|X^TX|\neq0∣XTX∣=0时;或者XXX的所有列都相互独立(判断方法见下),(XTX)−1(X^TX原创 2021-12-02 16:56:05 · 1011 阅读 · 0 评论 -
Model Checking
模型检验What is that1) GM不满足时,会发生什么总的来说:why:2) 如何检验该模型是否满足假设3) 当不满足时,我们可以做些什么What is that之前所有的回归模型及性质都是基于GM假设的: E(ϵi)=0E(\epsilon_i)=0E(ϵi)=0 i=1,2..n_{i=1,2..n}i=1,2..n Var(ϵi)=σ2Var(\epsilon_i)=\sigma^2Var(ϵi)=σ2 i=1,2..n_{i=1,2..n}i=1,2..n ϵ1,ϵ2.原创 2021-11-24 15:06:24 · 91 阅读 · 0 评论 -
variable selection
变量选择what is thatHow to do thatstepwisebackward eliminationforward selectionstepwise selectionAll subset selectionwhat is that对于一个模型,其含有的协变量数量和性质的关系如下图:MSE[y^(x0)]=Bias[y^(x0)]2+Var[y^(x0)]MSE[\hat{y}(x0)] = Bias[\hat{y}(x0)]^2 + Var[\hat{y}(x0)]MSE[y^(原创 2021-11-24 15:05:54 · 396 阅读 · 0 评论 -
Multiple Liner Regssion Model
多元回归模型介绍What is thatHow to do thatWhy is correct代数角度推导几何角度推导What is that多个协变量决定一个因变量,并且具有同一个白噪声(σ\sigmaσ)我们通过一些实验数据,推断其原本符合的模型,使用方法为最小二乘估计(OLS/LSE)How to do that模型: yi=β0+β1xi1+β2xi2+...+βpxip+ϵiy_i=\beta_0+\beta_1x_{i1}+\beta_2x_{i2}+...+\beta原创 2021-11-06 16:23:44 · 197 阅读 · 0 评论 -
Multy Reg 其他知识点
多元线性回归所需线性代数知识矩阵运算加减数乘内积 模 正交矩阵乘法 结合律 乘积的转置对称阵 方阵逆阵 乘积逆 二阶逆阵计算特征值 特征向量矩阵的秩 及性质迹幂等矩阵 及性质向量导数 二次型多元线性回归模型条件推导结果存在条件HAT矩阵几何角度推导(没看)signa估计所需线性代数知识矩阵运算加减数乘内积 模 正交矩阵乘法 结合律 乘积的转置对称阵 方阵逆阵 乘积逆 二阶逆阵计算特征值 特征向量矩阵的秩 及性质行秩==列秩用初等行变换将矩阵A化为阶梯形矩阵,则矩阵中非零行原创 2021-10-20 10:17:04 · 382 阅读 · 0 评论 -
简单线性回归
Y = b0 + b1X + eGM assumptionsols最小二乘mle极大似然证明二者等价对于估计量的性质性质证明σ的估计估计的性质置信区间和假设检验预测GM assumptionsols最小二乘mle极大似然证明二者等价对于估计量的性质性质证明σ的估计估计的性质置信区间和假设检验预测...原创 2021-10-09 18:11:41 · 1296 阅读 · 0 评论