数学建模
文章平均质量分 88
小胡不加班
这个作者很懒,什么都没留下…
展开
-
数学建模常用工具总结
绘图篇pythonMATLABBioLadderHiplot Pro 生物医学可视化平台ExcalidrawPPT绘图配色篇素材篇手绘素材插画网iconfont-阿里巴巴矢量图标库下面四个都是实物风格的素材,用处不大PngimgPixabayFreepikvecteezy抠图篇工欲善其事,必先利其器。今天来归纳总结一些好的工具,备赛数模比赛,同时也是日常科研的居家必备神器。原创 2024-08-31 11:46:52 · 1338 阅读 · 0 评论 -
中心对数比变换(Centered Log Ratio Transformation,CLR)的原理及scikit-bio介绍
中心对数比变换(Centered Log Ratio Transformation,CLR)是一种数据预处理方法,常用于成分数据分析领域。在成分数据中,各成分之间通常存在一定的约束关系,比如它们的和为固定值等,中心对数比变换可以有效地处理这种具有特殊约束的数据。官方文档scikit-bio是一个在Python3中处理生物数据的库成分统计 (skbio.stats.composition )模块中的,此函数将组合从Aitchison几何体转换到真实空间。这个clr。原创 2024-08-07 15:56:54 · 4182 阅读 · 0 评论 -
正则化(Regularization)
正则化(Regularization)是一种在机器学习和统计建模中常用的技术,用于防止模型过拟合(overfitting)。过拟合是指模型在训练数据上表现得很好,但对新的、未见过的数据泛化能力差。正则化通过在模型的损失函数中添加一个额外的项来实现,这个额外的项通常与模型的复杂度相关。通过正则化,可以平衡模型的偏差(bias)和方差(variance),从而提高模型在新数据上的预测性能。)是正则化系数,控制正则化项的强度。:结合了L1和L2正则化,同时惩罚参数的绝对值和平方值。原创 2024-08-02 10:39:10 · 326 阅读 · 0 评论 -
分类变量的相关性分析(独立性检验)
例如,如果独立性检验的结果显示 p 值小于 0.05,那么我们可以认为两个分类变量之间存在显著的相关性;反之,如果 p 值大于等于 0.05,则不能得出变量之间存在相关性的结论。此外,样本量的大小、数据的质量等因素也可能会影响检验结果的可靠性。独立性检验的原假设是两个分类变量之间相互独立。如果 p 值小于显著性水平(通常为 0.05),则可以拒绝原假设,认为两个变量之间存在相关性。独立性检验的结果主要包括卡方值(chi2)、p 值、自由度(dof)和期望频数(expected)。原创 2024-08-06 14:21:51 · 288 阅读 · 0 评论