- 博客(24)
- 收藏
- 关注
RSS订阅原创 【论文阅读笔记】Unsupervised Feature Learning via Non-Parametric Instance Discrimination
有监督分类器在分类时，会自动捕获类别的视觉相似性。因此，这篇工作的motivation是，这一特性能否扩展到无监督学习上。具体采用的方法就是instance discrimination任务。作者将这个模型称为“NPID”，即非参数instance discrimination。噪声对比估计则是广泛应用的NCE。在无监督 & 半监督上都表现很好（后续的对比学习研究也同时提出无监督和半监督的版本）。
2023-03-20 19:46:17
259
1
原创 【GO语言】入门
Go程序设计语言笔记Hello, worldhelloword.gopackage mainimport "fmt"func main(){ fmt.Println("Hello, world")}Go是编译型的语言。Go的工具链将程序的源文件转变成机器相关的原生二进制指令。这些工具可以通过单一的go命令配合其子命令进行使用。go run：将一个或多个以.go为后缀的源文件进行编译、链接，然后运行生成的可执行文件。go build：将.go文件生成二进制程序，.
2021-07-21 11:36:25
154
原创 【托福口语】TPO 1
TASK 1The book that is most important to me is Python Programming, which is a tool book to tell readers how to program in Python. The moment I started to read it, I was attracted by the 0-1 world and programming language. And I cultivated a huge interest
2021-07-18 21:12:49
210
1
原创 【托福写作】TPO 1
综合写作[第一次写作]Both in the reading passage and the lecture, there are 3 aspects, which is for the company, for the society, and for the employee himself. And the opinions are totally the opposite.First of all, the four-day week is seen as a costly policy in
2021-07-18 20:52:56
440
1
原创 【量化金融】多因子选股策略
金融是我最头疼的科目，监督自己坚持学下去！多因子选股策略理论多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票被买入，不满足的股票被卖出。例如，当很多投资者认为低市盈率（PE，公司市值/净利润）的价值型股票是好的投资标的时，他们纷纷买入低PE的股票，会使得该股票的价格上涨，这样就使得低PE的这个因子的有效性得到体现。实际上，并不是低市盈率就一定好，因为净利润可能存在很大的“水分”。选股方法一般而言，多因子选股模型有两种判断方法：一是打分法，.
2021-05-18 21:55:41
3304
原创 打卡task01
截图前两次提交不知什么原因，结果都是0分第三次提交：baseline相关下载库的时候遇到的一个问题安装了geohash，但import时失败查找到了解决方法如下：https://blog.csdn.net/u012160285/article/details/77602146folium库无法直接查看结果，需要保存为html后，使用浏览器打开m.save('1.html')另外，baseline给出的是add.children，受到警告，建议改成add.child保存结果需要按
2021-02-19 18:54:34
71
原创 零基础小白可用：Anaconda+Jupyter
© 2021 Zelda Ren因为笔者重装了电脑，所以还需要下载anaconda。记录一下下载的全过程。1）找到清华镜像网站，安装2020年2月的版本（由于后面还想安装spark之类的，就不用最新版了）https://link.zhihu.com/?target=https%3A//mirrors.tuna.tsinghua.edu.cn/anaconda/archive/2）非常重要：一定要使用管理员打开3）安装到C盘，两个勾都挑上（可以预防后面出现很多错误，以及不用手动配置环境）4
2021-01-16 09:38:44
145
原创 多元统计图（R语言）
二元变量的散点图散点图的绘制二元变量的散点图（Scatter Plots）是将一个变量作为横轴，另一个变量作为纵轴，并将样本一一画在这个坐标系中。这样的散点图能够反映两个变量之间的关系或聚集程度。R中创建散点图的基础函数是plot(x,y)，其中x和y是数值型向量，代表着图形中的(x,y)点。# 基础函数plot(df$工数1,df$工数2)# 添加坐标轴名字和图名的散点图plot(df$工数1,df$工数2,main="哈尔滨工业大学信管专业学生工数1与工数2的成绩散点图",xlab="
2020-12-17 16:43:52
2789
1
原创 Q&A （第三期）
课堂笔记何时采用聚类分析？考察特征样本量很大的时候考虑什么聚类？k均值最近距离法、最远距离法、重心法和类平均法的英文表达略Kmeans聚类的R实现函数为？kmeans如何说明每一类的特征或特点？kmeans给出重心连线题见照片...
2020-12-09 11:11:15
67
原创 R实现K-means
课堂笔记一定要记住系统聚类和k-means的流程图K-means又叫做快速聚类> health = read.csv("2011社会发展数据.csv", row.names = 1)> km = kmeans(scale(health),3)> kmK-means clustering with 3 clusters of sizes 18, 9, 4Cluster means: 人均GDP 新增固定 城镇可支配 农村纯收入 高校数 卫生机构.
2020-12-09 11:02:05
541
原创 Q&A（第2期）
第一期录了音，在手机里可以找到如何考察样本是否来自正态总体？QQ图正态性W检验如果转化为正态？对数（BOX-COX）如何说明系统聚类类别的合理性？聚合系数图系统聚类法的步骤？见照片选择那个方法？定性的预期 —— 实际的结果匹配的方法...
2020-12-09 10:16:39
77
原创 R 聚类分析（上）
课堂笔记标准化消除量纲标准化：类似于标准正态分布，减去均值，除以标准差0-1化：xi−minximaxxi−minxi\frac{x_i-minx_i}{maxx_i-minx_i}maxxi−minxixi−minxiR语言实现标准化变换R函数，scale(x)为何需要标准化？考试可能考系统聚类分层聚类点与点之间的距离 dist欧氏距离：最常用马氏距离：考虑相关关系，协方差阵明氏距离：q = 1 曼哈顿距离（绝对距离） q = 2 欧氏距离 q=3,4,.
2020-12-07 11:38:19
176
原创 R 正态分布与正态性检验
课堂笔记多元正态分布的密度函数每一个分量都服从正态分布分量的线性组合仍然是正态分布如果协方差矩阵是对角阵，则分量是相互独立的、服从正态分布的随机变量（对于正态分布而言，不线性相关等价于独立）。正态性的识别图方法Q-Q图：点是否在直线的附近x 理论分位数y 样本分位数：修正的计算公式 i−0.357n+0.25\frac{i-0.357}{n+0.25}n+0.25i−0.357结论：X(i)=μ+σZ(i)X_{(i)}=\mu+\sigma Z_{(i)}X(i)=μ+σ.
2020-12-07 10:44:24
657
原创 R ppcor包和ggm包的比较
ggm> score = read.csv("学生成绩.csv")[,-1]> score 工数1 工数2 线性代数 概率论 应用统计1 95 96 95 100 84.02 95 96 97 94 95.53 94 93 94 100 77.04 93 95 95 99 83.05 91 90
2020-12-07 10:08:01
2052
原创 多元统计特征（2）
课堂笔记文章目录R实现相关系数显著性检验偏相关系数与显著性检验偏相关系数的显著性检验R实现相关系数显著性检验> cor.test(score$工数1,score$工数2) Pearson's product-moment correlationdata: score$工数1 and score$工数2t = 5.827, df = 26, p-value = 3.851e-06alternative hypothesis: true correlation is not equ.
2020-12-02 11:37:16
237
原创 多元统计特征（1）
课堂笔记文章目录集中度的度量——数学期望散度的度量——方差、标准差相关性的度量——相关系数多元——矩阵相关系数的假设检验——统计证明集中度的度量——数学期望理论数学期望：E(X)=∫xf(x)E(X)=\int{xf(x)}E(X)=∫xf(x)实际：样本和 / 样本个数散度的度量——方差、标准差理论：D(X)=E(X−E(X))2D(X)=E(X-E(X))^2D(X)=E(X−E(X))2实际：样本σ2=Σ(xi−xˉ)2n−1\sigma^2=\frac{\Sigm.
2020-12-02 10:56:50
912
原创 R studio更改默认目录
导入数据每次都需要写很长的属性，比较费劲，可以使用更改默认目录首先，建立R class文件夹，其路径为“C:\Users\35982\Documents\R class”（已经转义了）然后，在每次打开R的时候，都输入下面的代码： setwd("C:\\Users\\35982\\Documents\\R class")即可使用文件名直接表示...
2020-11-30 11:35:18
283
原创 Python重学01
重新学Python，仅把不熟悉的内容列出str.title()name = "hello world"print(name.title())lambda不同于C++的内联函数，并不能加快速度，maybe只是为了简单不能访问自己参数列表之外的元素，连全局变量都不可以示例：...
2020-11-28 16:27:41
57
原创 C++ 链表（上）
本博客来源于之前C++老师课堂小测和上课讲解的内容，小测的时候写代码很困难，课后又重新复习了一下。又结合了西北工业大学mooc上的内容，整理如下：(初学者可能会有错误，欢迎大家批评指正，且仅用于个人学习使用，若有侵权必删除)文章目录写在前面基本概念链表的定义链表的分类单链表双链表循环链表单链表的创建头插法（逆序）尾插法（顺序）销毁链表链表的运算链表遍历（打印 & 求长度）小结写在前面主要参考：西北工业大学mooc；相当于对魏老师讲解的笔记。使用：visual studio 2010.
2020-10-09 20:47:04
105
原创 关系数据的规范化
关系数据库的规范化数据库的课，学校讲的教材是王珊的那本红书。上课的时候听的就不是很懂，所以课下又参考了其他的教材和博客，在此做一个总结和整理（仅供学习使用）。希望自己可以更加清楚，也希望看的人能够明白。文章目录关系数据库的规范化关系数据库的规范化概述函数依赖范畴的规范化函数依赖相关概念BCNF3NF2NF1NF多值依赖范畴的规范化多值依赖第四范式后备知识：公理相关模式分解关系数据库的规范化概述首先，明确一下可能会用到的术语：关系模式的形式化定义：R(U,D,DOM,F)R(U,D,DOM,F
2020-10-05 09:17:03
646
2
原创 时间序列分析复习 01 引论
注：本文仅用于个人学习笔记，内容均来自其他博客和PPT。文章目录引论时间序列的起源与发展史时间序列的定义时间序列举例时间序列建模策略时间序列分析的目的金融时间序列分析的应用引论时间序列的起源与发展史起源：最早的时间序列分析可以追溯到 7000 年前的古埃及。古埃及人把尼罗河涨落的情况逐天记录下来，从而构成一个时间序列。对这个时间序列长期的观察使他们发现尼罗河的涨落非常有规律，由于掌握了涨落的规律，古埃及的农业迅速发展。这种从观测序列得到直观规律的方法即为描述性分析方法。一般地，人们认为现代时间序列
2020-09-21 08:57:41
1555
1
原创 【读书笔记】李航统计学习方法 第一章 统计学习与监督学习概论（上）
文章目录第一章 统计学习与监督学习概论（上）1.1 统计学习1.2 统计学习的分类1. 基本分类2. 按模型分类3. 按算法分类4. 按技巧分类1.3 统计学习方法三要素第一章 统计学习与监督学习概论（上）1.1 统计学习1） 首先要明确：统计学习=机器学习（基本不做区分）2）统计学习关于数据的基本假设是同类数据具有一定的统计规律性，这是统计学习的前提。【说明】这只是一个假设，在实际应用...
2020-03-28 17:14:10
191
原创 nature communications （1）
Kea show three signatures of domain-general statistical inference新西兰啄羊鹦鹉展示了三个领域通用统计推断的特征生词：kea：啄羊鹦鹉（来自新西兰）signature：鲜明的特征Abstract① One key aspect of domain-general thought is the ability to in...
2020-03-22 10:43:44
783
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