数学模型
Yihui_He
Deep Learning, Computer Vision, AI, Computer Network
展开
-
[数学模型]整数规划(一)
整数规划问题比较简单, 主要解法分为这几种:(i)分枝定界法—可求纯或混合整数线性规划。 (ii)割平面法—可求纯或混合整数线性规划。 (iii)隐枚举法—求解“0-1”整数规划: ①过滤隐枚举法; ②分枝隐枚举法。 (iv)匈牙利法—解决指派问题(“0-1”规划特殊情形)。 (v)蒙特卡洛法—求解各种类型规划。 分支定界法branch a原创 2015-04-02 23:33:10 · 5194 阅读 · 1 评论 -
数学模型 机器学习 系统聚类(system clustering) Python实现
初始有m个数据, 那么系统聚类一开始就有m个类, 再根据类之间的距离函数, 将最近的类聚集在一起, 直到用户设定的Ka=[[1,0], [1,1], [3,2], [4,3], [2,5]]cluster=[]for i in range(shape(a)[0]): cluster.append([i])a=array(a)centers=a.copy(原创 2015-05-23 17:19:05 · 1539 阅读 · 0 评论 -
[数学模型]主成分分析法python实现
def pca(dataMat, topNfeat=9999999): #数据矩阵, 输出前topNfeat个feat meanVals = mean(dataMat, axis=0) # 计算平均值 meanRemoved = dataMat - meanVals covMat = cov(meanRemoved, rowvar原创 2015-05-23 02:07:57 · 3243 阅读 · 0 评论 -
支持向量机(四)
9 规则化和不可分情况处理(Regularization and the non-separable case)我们之前讨论的情况都是建立在样例线性可分的假设上,当样例线性不可分时,我们可以尝试使用核函数来将特征映射到高维,这样很可能就可分了。然而,映射后我们也不能100%保证可分。那怎么办呢,我们需要将模型进行调整,以保证在不可分的情况下,也能够尽可能地找出分隔超平面。看下面两张转载 2015-05-14 17:15:59 · 512 阅读 · 0 评论 -
机器学习之入门Numpy
今天就讲这些原创 2015-05-06 17:03:26 · 1165 阅读 · 0 评论 -
[机器学习]kNN算法python实现(实例:数字识别)
# 使用好任何机器学习算法的前提是选好Featuresfrom numpy import *import operatorfrom os import listdirdef classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dat原创 2015-05-09 17:54:05 · 1673 阅读 · 1 评论 -
数据挖掘基础:在数据中寻找相关的项目 Apriori算法
Ck: Candidate itemset of size kLk : frequent itemset of size kL1 = {frequent items};for (k = 1; Lk !=; k++) do begin Ck+1 = candidates generated from Lk; for each transaction t in databa原创 2015-04-15 16:41:50 · 851 阅读 · 0 评论 -
[数学建模]马氏链模型(一)基本介绍
马氏链是一个随机过程由第n部的状态i 第m部 转移到 状态 j 的概率 与 n部之前的概率是无关的 , 我们称为马氏链如果n部概率与时间无关, 那么成为齐时性的马氏链给出一个简单的马氏链应用, a是一条 E属于 0,1 空间的马氏链,我们的一步转移矩阵可以求出:a1='111001001111111001111011111100111111111原创 2015-04-07 19:08:21 · 8607 阅读 · 0 评论 -
数学建模入门书籍介绍
需要入门: 马氏链需要进一步学习: 博弈, 概率 , 统计回归, 差分方程需要加强: 离散, 图论等这本书融合知识在例子中, 不太方便知识点查阅, 但是便于从零学起.原创 2015-04-02 00:03:07 · 6720 阅读 · 0 评论 -
[数学模型]支持向量机 从应用的角度理解 (一)
最近学习了支持向量机, 小生才疏学浅, 真的看不懂诶, 只好以应用的方式去理解了. 木有关系, 只要我们会用就好, 理解放到以后把!多说一句, 如果你真的想学会它的化, 学会二次规划, KKT就容易多了.先说一下支持向量机能干什么, 可以分类. 比如一下, 你有一些嫌疑犯样本, 它们有n个体貌特征, 这些嫌疑犯分为 犯过罪与没犯过罪 两类, 假设特征与是原创 2015-04-02 14:44:38 · 2120 阅读 · 0 评论 -
数学建模 数学模型 GM模型 灰色模型 灰色预测(一)
灰色模型能够有效地进行预测 , 尤其是在数据比较模糊的时候 , 比如预测什么时候下雨 , 先讲解一个简单并且最常用的GM模型 GM(1,1)生成列设原始时间序列为x1(t) t为时间t=0,1,2,3….. , 生成列x0(t)就是原始序列的差分 即 任取t>=1 有:x0(t)=x1(t)-x1(t-1)紧邻均值列顾名思义 , 就是取平均值. z1=0.5*x1(t) + 0.5*x1(t原创 2015-07-06 01:09:10 · 4991 阅读 · 0 评论