![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学建模
文章平均质量分 78
Joy T
稀土掘金创作先锋/CSDN大数据领域新星创作者/2024美赛C题F奖/国家奖学金/闻泰科技奖学金/大英赛国二/2024年全国大学生信息技术认证挑战赛云计算赛道国三,现大三。目前在写一本关于自我与青春的书,已写6w字。相遇就是缘分,愿我们都向着美好的未来前行。
展开
-
一文急速恢复线性代数知识!【逆矩阵、特征值】
本文呢,我们围绕逆矩阵的概念来复习和扩展相关的线性代数知识。原创 2024-04-08 10:11:10 · 225 阅读 · 0 评论 -
再不会十折交叉检验和五折交叉检验,数模队友就会锤爆你!
下面是这两种交叉验证方法的基本思想:五折交叉验证的步骤与十折交叉验证类似,但有以下不同:更准确的性能评估:相比于简单划分训练集和测试集的方法,交叉验证可以减少评估结果受特定数据划分方式影响的可能性。更好的利用数据:特别是在数据量不足时,交叉验证可以更充分地利用有限的数据。数据集大小:较小的数据集可能更适合使用10折交叉验证,因为它提供了更多的训练数据和更频繁的模型评估。计算资源和时间:10折交叉验证需要更多的计算时间和资源,因为模型需要训练和评估10次。如果计算资源有限,可能会选择5折交叉验证。方差与偏差:原创 2023-12-18 09:40:52 · 2613 阅读 · 0 评论 -
数学建模美赛到底要注意什么?
摘要要求虎头、猪肚、凤尾:开头大、中间内容丰富、结尾有亮点。摘要一共写好三个要点:主要方法,主要模型,模型主要优点、亮点和创新点。一定要自卖自夸:数据好+模型也好!不要写for problem 1!因为美赛很少有问题一、问题二的概念,他们通常把比赛看作是一个整体的问题。通常来说,建议以For Model Ⅰ这样的格式进行每段摘要介绍。写作同学在比赛开始之前就开始准备语料库,比赛开始10天以内开始准备。摘要就是一篇独立的文章,不能不完整。可以不用太细,可以适当留白:xxx与xxx混合的规划模型。原创 2023-12-09 15:15:16 · 968 阅读 · 0 评论 -
Python数据分析之numpy的使用
【代码】Python数据分析之numpy的使用。原创 2023-10-22 13:53:48 · 433 阅读 · 0 评论 -
数学建模Matlab之基础操作
student.name = '张三';student.grade = '三年级';就这么简单!定义都不定义,直接加.表示前者就是结构体,后者就是字段。运行结果如下:class(1).name = '张三';class(2).name = '李四';哇去,简直是清晰明了啊!books = struct('name',{{'Machine Learning','Data Mining'}},'price',[30,40]) %包含两个字段:name 和 price。原创 2023-09-29 12:40:16 · 1003 阅读 · 0 评论 -
数学建模Matlab之数据预处理方法
判断缺失值和异常值并修复,顺便光滑噪音,渡边笔记clc,clear;close all;% 模拟缺失值% 模拟异常值%subplot在一个图窗中创建多个子图,然后使用plot函数将原始数据可视化title('原始数据');%% 判断数据中是否存在缺失值,并使用最省力法则% 假设testdata是一个n行m列的矩阵,每一列代表一个特征% 设置阈值,80%的总样本量% 遍历每一个特征% 计算每一列(特征)中非缺失值的数量% 如果非缺失值的数量少于阈值,则删除该列(特征)原创 2023-10-01 17:01:58 · 6263 阅读 · 5 评论 -
数学建模Matlab之检验与相关性分析
相关性分析是统计学和数据分析中常用的一种技术,主要用于研究两个或多个变量之间是否存在某种关系(即它们是否相关)。这种关系可以是线性的,也可以是非线性的。通过相关性分析,我们可以量化两个变量之间的关系的强度和方向。原创 2023-10-03 00:15:00 · 910 阅读 · 0 评论 -
数学建模Matlab之评价类方法
okok原创 2023-09-30 11:19:10 · 731 阅读 · 0 评论 -
数学建模Matlab之优化类方法
蚁群算法 (Ant Colony Optimization,原创 2023-10-02 00:15:00 · 585 阅读 · 0 评论 -
一文记住什么是TP/TN/FP/FN?
这些工具和指标提供了评估和比较不同模型性能的方法,帮助研究者和工程师确定哪个模型在特定任务上的性能最好。而在实践中,根据应用的具体需求,可能需要关注某些指标多于其他指标。例如,医学测试中的 FN 可能比 FP 更为关键,因为遗漏一个病例的后果可能比误诊更严重。原创 2023-10-25 16:45:00 · 4759 阅读 · 0 评论 -
一文理解什么是贝叶斯优化的随机森林
1. 基本构成:决策树的集合随机森林是一种集成学习方法,由多个决策树组成。每棵树都是独立地基于数据的随机子集进行训练的。2. 数据的随机选择:Bootstrap抽样每棵决策树在训练时都使用一种称为Bootstrap抽样的技术,从原始数据集中随机选取样本(有放回地选择),从而形成新的训练集,这个训练集就是数据的随机子集,这是随机森林“随机”的起源之一。这意味着每棵树可能会使用到某些样本多次,而完全忽略其他样本。3. 特征的随机选择除了对数据进行随机抽样外,随机森林在每次分裂节点时还会随机选择一部分特征。原创 2023-10-30 11:10:53 · 2239 阅读 · 3 评论