- 博客(7)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 最小样本量计算公式
在这个公式中，n代表每组所需的样本量，对于A/B测试等至少包含两组的实验，总样本量将是2n。Δ为两组数值的差异，如点击率的提升幅度；最小样本量计算公式通常涉及多个参数，包括置信水平、总体比例的估计值、误差限以及总体规模等，这些参数共同决定了所需样本量的大小。综上所述，最小样本量计算公式是统计学中一个重要的工具，它能够帮助研究者确定进行实验或调查所需的最小样本量。此外，还有其他形式的样本量计算公式，如普通抽样调查、整群抽样调查、分层抽样调查和精确度抽样等，每种公式都有其特定的应用场景和参数设置。
2025-01-22 18:53:38
2188
原创 监督学习之一般最小二乘法
定义线性回归通过拟合一个系数为 W = (W1, W2, ...., Wn) 的线性模型，以最小化观测目标与预测目标之间的残差平方和。这种线性拟合方法叫做一般最小二乘法。在数学上，它可以解决以下形式的问题：实现线性回归将在该拟合方法中使用数组 X、y，并在其 coef_ 成员中存储线性模型的系数。from sklearn import linear_modelreg = linear_model.LinearRegression()reg.fit([[0, 0], [1, 1]
2024-12-18 17:52:27
230
转载 常见分类器优缺点对比
随机森林是一种基于决策树的集成分类器，它通过随机选择特征和样本来构建多个决策树，并将多个决策树的结果进行投票来确定最终的分类结果。总的来说，分类器在数据分析中有着广泛的应用，可以帮助我们处理各种类型的数据，并从中提取有用的信息。在实际应用中，需要根据数据集的特点和分类任务的要求选择合适的分类器，并进行参数调整和模型优化来提高分类性能。K近邻是一种基于距离度量的分类器，它通过计算新样本与训练集中每个样本的距离来确定最近的K个邻居，并根据邻居的类别进行分类。K近邻的分类结果取决于邻居的数量和距离度量方式。
2023-05-29 23:36:40
4612
1
原创 numpy学习之随机数生成（1）
如果传递了一个int或array_like[ints]，那么它将被传递给SeedSequence，以获得初始BitGenerator状态。两者之间的主要区别是，Generator依靠一个额外的BitGenerator来管理状态并生成随机位，然后将其转化为有用分布的随机值。参数：size:返回维度。生成器： 将BitGenerator中的随机比特序列转化为指定区间内遵循特定概率分布（如均匀、正态或二项式）的数字序列的对象。概述：用默认的BitGenerator(PCG64)构造一个新的Generator。
2023-04-13 18:49:02
725
1
原创 MONGODB命令行执行服务开启/关闭脚本
#!/bin/sh# start mongodb serviceMONGO_HOME=/usr/local/mongodbMONGO_BIN=${MONGO_HOME}/binMONGO_LOG=/usr/local/var/log/mongodbMONGO_DB=/usr/local/var/mongodb#MONGO_CONF=/usr/local/etc/confMONGO_BIN_MONGOD=${MONGO_BIN}/mongod#MONGO_CONF_MONGOD=${MON
2021-03-23 16:54:26
289
原创 【python】学习笔记 - 字符串拼接的方法
# 字符串变量可以直接拼接str1 = "I am"str2 = " Ian"str3 = str1 + str2print(str3)# join方法拼接序列seq1 = ["hello","world"]str4 = " ".join(seq1)print(str4)# format 拼接 str.format(args,**kwargs)str5 = 'hello, world! {} {}'.format('111', '222')print(str5)...
2020-06-15 16:11:49
179
原创 求解释~~~
class MyOutstream { public: const MyOutstream& operator { printf("%d",value); return *this;//注意这个返回…… } const MyOutstream& MyOutstream::operator { printf("%s",str
2010-07-17 11:18:00
769
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人