天天向上的专栏

Gurobi 也可以用 java 调用，但相对于 python， 对于 java 调用的文档说明很少。自己摸索了下，虽然对 java 调用的方法与类支持地比较少（不像 cplex 对 java 支持地那样多），但基本满足了需求。官方文档自带的一个混合整数规划例子：/* Copyright 2018, Gurobi Optimization, LLC *//* This example formulates and solves the following simple MIP model:

随着工作年限的增加，慢慢了解到学术圈的不少黑幕，尤其是我接触到的一些工作单位。每个学校都有学术黑幕，例如：学术投机，期刊投稿、项目评审、职称评定中的各种关系户。但是，越差的学校，学术投机的档次越低，关系运作地越无耻。一些好学校中，学术投机经常体现在互相挂作者充论文数量；一般学校中，学术投机体现在把自己能发期刊的成果级别定的很高，其实这些期刊在领域内很一般，或者按套路批量生产论文；更差的投机是发交钱的开源期刊，或者发关系稿（国内期刊不少）；最差的是论文代写与造假。有时候感叹：一个学校差是由它差的原因的

上半连续与下半连续的定义跟我想象中的不一样，并不等同于左连续与右连续。查了查维基百科，终于弄明白了。半连续性的最清晰解释可以用不等式结合图像理解，上半连续：lim⁡x→x‾0sup⁡f(x)≤f(x0)\lim_{x\rightarrow \overline{x}_0} \sup f(x)\leq f(x_0)x→x0​lim​supf(x)≤f(x0​)上半连续图形：下半连续：lim⁡x→x‾0inf⁡f(x)≥f(x0)\lim_{x\rightarrow \overline{x}_

这几天尝试将以前用 java 编写的动态规划程序转化为 c++，发现 c++ 反而运算速度更慢呢，觉得可能有以下几条原因：在递归运算时，为了加快运算速度，使用 map 类型存储计算过的数据。但 c++ 的 map 没有 java 的 hash map 查找速度快。c++ 中的 map 可以转化为 unordered_map，但我总是出错，c++ 自定义类的 hash 值定义比 java 麻烦多了。若使用 vector 容器存储计算过的数据，速度应该能快不少。但是涉及到动态规划不同的状态以及对应的

近段时间在论文里经常见到一些学者用自回归模型（Auto-regression）生成时间序列数据的随机数，决定总结一些。时间序列数据 {xt}\{x_t\}{xt​} 可以表示为它的前期值和随机误差项的线性函数，即xt=ct+φ1xt−1+φ2xt−2+⋯+φpxt−p+εtx_t=c_t+\varphi_1 x_{t-1}+\varphi_2 x_{t-2}+\dots+\varphi_p x_{t-p}+\varepsilon_txt​=ct​+φ1​xt−1​+φ2​xt−2​+⋯+φp​xt−

对于一个数学规划问题：min⁡∑i=1nci∣xi∣s.t.Ax≥b\begin{aligned}&\min\quad &\sum_{i=1}^n c_i|x_i|\\&s.t. &\bm {Ax\geq b}\end{aligned}​mins.t.​i=1∑n​ci​∣xi​∣Ax≥b​有两种方法将其线性化，方法1：用一个中间变量 ziz_izi​，再增加两个约束条件min⁡∑i=1ncizis.t.Ax≥bxi≤zi∀i−xi≤zi∀i\beg

《多元统计分析》课程中的判别分析章节，一般会讲线性判别、贝叶斯判别与 Fisher 判别。但在 python 中的 sklearn 包里，只有线性判别（Linear Discriminant Analysis，LDA）与二次判别（Quadratic Discriminant Analysis）两类。...

在随机优化中，如果在求解过程中用到了随机数生成，一般都要做抽样稳定性检验，包括抽样内稳定性（in-sample stability test），以及抽样外稳定性（out-of-sample stability test）。我见这方面的中文资料比较少，英文资料也不是特别清晰，就简单总结一下吧，以后再适当补充。抽样内稳定性（in-sample stability test）：一个算法在不同批次的样本中，求解的值差别不大。抽样外稳定性（out-of-sample stability test）：在一个批次的

偶尔在 Gurobi 的讲座中听到了这个技巧，假如两个 0-1 变量 xix_ixi​, yjy_jyj​，它们的乘积zij=xiyjz_{ij}=x_iy_jzij​=xi​yj​

最近，使用 java 的 ComputeIfAbsent 编写递归程序时，发现若 if 条件语句块比较长，运算速度很慢。若将 if 语句块变短，运算速度显著提升。目前我还没找出出现这个现象的原因，等以后找到了再补充。...

寒假期间看了李航的《统计学习方法》，除了文本分析、图像识别的一些方法外，其他方法基本都看了。我觉得这本书应该是最好的机器学习中文书籍了，除了神经网络没有涉及，大部分机器学习方法介绍地都很详细。这本书的最大优点是：许多方法都配有一个数值例子，展示算法的计算过程，这样非常便于理解机器学习算法到底是怎么算的。这本书还有不少数学推导，若只是应用方法，一些推导过程可以不看。数学符号使用也很规范，可以看出作者强大的数学功底。我见其他一些书可能出现数学符号前后不一的情况。未来有时间的话，把这些方法用到学术研究

梯度下降法是数学优化中比较常用的方法，在机器学习中也有不少应用。函数 F(x1,x2,…,xn)F(x_1, x_2, \dots, x_n)F(x1​,x2​,…,xn​) 的梯度就是它的一阶导数：ΔF=(∂F∂x1,∂F∂x2,…,∂F∂xn)\Delta F=(\frac{\partial F}{\partial x_1}, \frac{\partial F}{\partial x_2},\dots, \frac{\partial F}{\partial x_n})ΔF=(∂x1​∂F​,∂x

2020 年注定是不平凡的一年，我算是基本完成了年初目标。年初时的最大愿望是那篇论文能够录用，现在也实现了。今年第一次申请自科没有成功，我自己也觉得底气不足，因为那篇论文当时还没发出来，研究基础太一般了。2021年，也有初步目标，希望能够实现吧。...

Python 的诞生时间非常早，第一版 Python 发行于 1991 年，甚至比 Java 的历史都早。在大部分时间内，Python 一直作为一个小众的编程语言，并没有大规模流行起来。近些年来，随着大数据技术、人工智能技术的发展和普及，“简洁、具有良好扩展性”的 Python 非常契合大数据与人工智能技术对编程语言的要求，超越其他编程语言迅速崛起。Python 分别在2010年，2018年被全球知名的编程语言流行度排行榜网站 TIOBE 评为“年度最佳编程语言”，并长期位于各年或各月流行编程语言排行榜的

这篇文章早在 2017 年七八月份时就构思了，在 十一月份时，我做了大量算例显示一个订货策略的误差特别小。外导怀疑是最优订货策略，就尝试着证明。后来才发现，我们遇到的这个问题在学术上五六十年悬而未决。外导在接下来的两年里一直在悄悄地证明，只告诉我他基本已经证明出来了，却不告诉我细节。虽然我比外导先发现这个规律，但我自己的数学水平证明不出来。而且，我也有点怀疑外导是否真正证明出来了。因为，几十年那么多数学水平超强的牛人都没攻克，这个问题难道就被我们解决了？难道这个多牛人没有发现这个订货规律吗？今年 8

偶尔在机器学习的论文中了解到了分位数回归，发现这个方法应用也满广的。一般的回归方法是最小二乘法，即最小化误差的平方和：min⁡∑(yi−y^i)2\min\quad \sum(y_i-\hat{y}_i)^2min∑(yi​−y^​i​)2其中，yiy_iyi​ 是真实值，而 y^i\hat{y}_iy^​i​ 是预测值。而分位数的目标是最小化加权的误差绝对值和：min⁡y^i∑yi≥y^iτ∣yi−y^i∣+∑yi<y^i(1−τ)∣yi−y^i∣\min_{\hat{y}_i}\quad

今天早上打开手机，收到了 Omega 编辑部的录用邮件。心情当然是非常开心，而且由衷觉得这个录用是对我这几年努力的回报，也是对我科研能力的肯定。先讲一下这个期刊的审稿流程：一审 4 个月，有两个审稿人，大修二审两个月，大修三审不到一个星期，小修小修提交后一天就录用了从提交论文到录用历时接近一年。这篇文章在投 Omega 之前，投了 EJOR 被拒了。 EJOR 审稿速度还挺快的，一审三个月，有三个审稿人，其中两个审稿人的意见比较负面，负面意见主要是觉得我似乎只发现了几个特例。对于被 EJ

1. 引言Logistic 逻辑回归比较适合分类型因变量的回归，这种问题在现实中很多，因此 Logistic 回归的应用还挺广泛的

偶尔在马尔科夫决策的书中接触到了超模函数，发现超模函数在博弈论中也有应用，决定记录下来写个博客。

重庆的秋天似乎特别短暂，又似乎特别漫长。每到9月下旬时，就会经常下雨，见不到太阳，一直要持续到1月份。北方的秋天似乎是金黄色的，很多树木的叶子发黄，然后几场秋雨全部落掉。在重庆，除了银杏发黄落叶外，大部分都是常绿乔木。在这个程序员节，就写这些吧。...

最近使用 scipy 包中的 fit 函数拟合随机分布，发现它得出的参数怪怪的， KS 检验的结果也与其他软件（R语言，EasyFit）的结果不一样。例如，有时候明明一个随机分布拟合的很好，但 ks 检验的 p 值却很小。还没找到具体的原因，我想可能由于 scipy 包在定义随机分布时，一般都有一个 loc 参数， scale 参数，或者再有一个 shape 参数，这会与不少随机分布的标准定义有点差别，看着十分别扭。再进行 ks 检验时，或许不能直接代入 fit 生成的参数值。正确的原因等以后找到了再

gurobi 对 python 支持的不错，我已经编写了几个规划求解的例子。每次重新编程时，之前例子里的一些知识点又忘记了，觉得很有必要总结一下。

暑假相对空闲时间比较多，于是粗略读完了李子奈的《计量经济学》。为什么要读计量经济学呢，主要有以下几方面原因：做实证研究基本都要用到计量经济学。了解计量经济学的理论后，大致可以清楚实证研究的套路虽然我现在主要做理论研究，但以后可能会用到实证研究及计量经济学的理论。理论研究比较难，普通学生上手不容易，以后指导学生或许要用到计量经济学。计量经济学其实跟统计学有着千丝万缕的联系。看了这本书，发现我对统计学的一些基本原理的理解更好了。但我发现这本教材有几个缺点：数学符号标注不是很规范。例如矩阵一般要用

断断续续接触 python 爬虫一年多，确实挺有趣的。对于很多常规的网页抓取，发现技术难度也不是特别高。准备将一些使用心得，总结写一下，供以后自己查阅以及知识传播。由于网页（html）类似于 txt 一样的文本文档，因此爬虫其实就是从网页里找到想要的文本信息，爬虫的实质就是解析网页。解析网页一般有三种方式：利用 python 的一些字符串处理函数，例如：split， partition 等利用正则表达式利用 Beautifulsoup 包...

大约从硕士阶段就听说过 SVM 了，但是没有真正用过，这几天刚好看了看相关的内容，就简单写一下心得，供以后查阅用。支持向量机是一个二分分类方法，比较适合判断只有两个类别的分类问题。从几何意义上看，SVM 的基本思想是找到一个分类的直线（或平面，或者非线性曲线或平面），将两个类别的数据分开。在数学原理上，优化目标是让中间的分割线离两类数据边缘的距离最大。构建一个数学优化模型，并利用拉格朗日对偶模型求解，具体可以参考这篇博客，比英文维基百科介绍地都清楚：https://blog.csdn.net/BIT

线性规划的对偶问题很容易写出，但非线性规划的对偶问题有点不一样。考虑非线性规划问题：min⁡xf(x)s.t.gi(x)≥0,i=1,…,m,hj(x)=0,j=1,…,l,x∈D.\begin{aligned}\min_{\textbf x}\quad & f(\bf x)&\\\text{s.t.}\quad & g_i(\textbf x)\geq 0, & i= 1, \dots, m,\\& h_j(\textbf x)=0, & j=

sklearn 是 python 中一个常用的机器学习与统计分析包，功能十分强大，即能做普通的统计分析，也可以做一些常用的机器学习。在分析数据前，一般要对数据进行预处理，常用的数据预处理函数有：scale: 对每列数据进行快速标准化（z 标准化），以均值为0，标准差为1的正态分布对每列数据进行标准化MinMaxScaler: 标准化后每一列数据都落在 [0, 1] 之间StandardScaler: 类似于 Scale，只不过可保存训练集中的均值、方差参数Normalize: 对每一行按p-范

读博时，注意到了清华大学前校长陈吉宁先生的在一次毕业典礼的几句话，这些天又忽然想起。我相信，你们作为一名清华学生，有战胜懈怠的毅力，有走出彷徨的智慧，也有耐得住寂寞的情怀，但你们更需要的是不唯众、不跟风，不在意在普通的道路上是否比别人走得更快，而是具有从容地行走在无人知晓的荒原上的勇气。因为只有这样，你们才能看到别人看不到的风景。读博时深有感触，因为大部分同学都很努力，但是成果却差别很大，这也影响了不少人日后的就业和人生轨迹，有时候难免会急躁气馁。虽然我不是清华大学的毕业生，但是陈校长上面的几句话具

六月份似乎太忙，将近一个月没有写博客，于是挑一个多元统计分析中的方法写一篇 python 操作实现的。主成分分析（Principle Component Analysis, PCA）是数据降维的一个方法：原始的统计数据中有很多变量，可以采用主成分分析方法将原始数据降维为少数几个变量的数据。主成分分析的求解一般采用特征根分解，即求解原始数据协方差矩阵或相关系数矩阵最大特征根对应的特征向量，即为第一主成分，第二主成分为第二大特征根对应的特征向量，其他的主成分可以依次得出。主成分贡献率为对应特征根占所有特征根

统计学中有时会会用到 PP 图 或 QQ 图

Durbin-Watson 检验，又称 DW 检验，是用来检验残差的自相关性的。假设残差为 ete_tet​，各残差的相关性方程用 et=ρet−1+vte_t=\rho e_{t-1}+v_tet​=ρet−1​+vt​，检验的原假设为：ρ=0\rho=0ρ=0，备选假设：ρ≠0\rho
eq 0ρ​=0，检验统计量：d=∑t=2T(et−et−1)2∑t=1Tet2d=\frac{\sum^{T}_{t=2}(e_t-e_{t-1})^2}{\sum^{T}_{t=1}e_t^2}d=∑t=1T

虽说我国学术界有不少问题，但是近几年的进步也是显而易见的，首先就是我国教师的收入比以前好多了。尤其是地方城市，为了吸引博士，都有很多引进政策。基本上能过上地方城市的中等或以上的物质生活。另外，我国及地方对科研还是比较重视，如果能发出优秀的论文，科研奖励和荣誉也是不会少的悲观的地方确实也有不少点，这里就引用知乎（https://www.zhihu.com/question/35...

java 计算程序运行时间时，常用的类为：System.currentTimeMillis()。显示计算机的当前时间，单位为毫秒。若要显示程序运行时间，则前后两个 System.currentTimeMillis() 相减即可。结果的单位是毫秒，若要显示为秒，则需要除以 1000；若要显示为小数秒，则需要除以 1000.0。直接除以整数 1000时，显示的是四舍五入的整数秒。举例：pub...

对于一个线性分式规划，可以将其转化为线性规划问题求解。

经过查阅资料，终于弄明白了 spss 判别分析的一些结果：预测组，给出的结果是贝叶斯判别的预测结果P(D>d|G=g)：在既定组内，大于某样本的概率。设既定组的累计分布函数为 Fg()F_g()Fg​()，样本向量表示为 x\bf xx，则它的值为，1−Fg(x)1-F_g(\bf x)1−Fg​(x)P(G=g|D=d)：该样本的后验概率到质心的平方距离：该样本的 fishe...

下面是一个简单利用 kmeans 聚类分析的例子，数据为某一年全国31个省市的居民消费支出数据：

python 提供金融股票数据的包，国外的包有 yfinance， 国内的包有 tushare。都是免费的，因此这两个包维护更新不快，有部分功能可能待修复。1. yfinance之前的名字叫 fix-yahoofinance，官方说明：https://pypi.org/project/yfinance/可以抓取雅虎财经网站上的股票信息，似乎全是美股。这几天国内不能用，可能雅虎财经的网...

古诗文网中的名著古籍比较多，选取从这个网站上抓。https://so.gushiwen.cn/guwen/可以在上面选取任一个古籍，点击打开复制链接，然后在下面代码中替换相应古籍的链接。下面代码中，抓取的是《西游记》：# -*- coding: utf-8 -*-"""Created on Fri Mar 27 20:14:04 2020@author: zhen chenMI...

爬虫抓取网页的三个基本步骤：获取网页 html （用 request 包）解析网页，找到我们想要的内容（用 beautifulsoup 包等）输出内容找到一个在线红楼梦网址：http://www.shicimingju.com/book/hongloumeng.html从这个网站抓取红楼梦，不过这个网站缺少 28 回，代码如下：# -*- coding: utf-8 -*-"""...

如何生成随机数及多元分布的随机数，发现佐治亚理工的一个课件，讲的特别详细，包括多种方法，以及如何生成多元正态分布的随机数：https://www2.isye.gatech.edu/~sman/courses/6644/Module07-RandomVariateGenerationSlides_171116.pdf要是打开速度慢的话，从 csdn 下载：https://download.cs...

做系统聚类时，spss 提供了好几种定义类距离的方法，其中，组间连接（between groups）就是教科书中的类平均法。组内连接（within groups）一直没找到定义，用谷歌搜索了下，终于找到了一个资料：http://www.norusis.com/pdf/SPC_v13.pdf组内连接的意思是：两个类中所有样品两两之间的距离平方和的均值。而组间连接只计算不同类中样品的距离，同类中样...

当总体分布函数未知时，当样本容量足够大时，可以用经验分布函数替代。经验分布函数的定义为：设 X1X_1X1​, X2X_2X2​, …, XnX_nXn​ 为总体分布的一个样本， −∞<x<∞-\infty<x<\infty−∞<x<∞，用 S(x)S(x)S(x) 表示 X1X_1X1​, X2X_2X2​, …, XnX_nXn​ 中不大于 xxx 的随机...

Excel 的数据分析可以直接求得样本的协方差阵，但是经过我验证，发现得到的样本协方差阵并不是那个无偏的协方差阵，需要乘以nn−1\frac{n}{n-1}n−1n​才是，因为 Excel 中的计算公式为：Σ^=1nA\hat{\Sigma}=\frac{1}{n}AΣ^=n1​A其中，A 为样本离差阵，而无偏的样本协方差阵为S=1n−1AS=\frac{1}{n-1}AS=...

自从入职以来，发现自己对于讲课并不排斥，是因为通过讲课，我可以熟悉或学习一些新知识，并且在讲课的过程中，自己对知识的理解会越来越好。然而，讲课会耗费大量时间，尤其是刚接手一门新课程时。自己做 ppt 十分耗时间，从网上找 ppt 基本都要自己修改，也要花费大量时间。更重要的是，这些教学的时间挤占了科研时间，会觉得天天十分忙碌。怪不得不少人不喜欢讲课。近两三年应该不会讲新课了。...

每次写项目申请书总觉得很吃力，效率特别低。像挤牙膏那样很久才写几句话。项目申请书像一个命题作文，目前不是很会编故事。需要慢慢练，慢慢积累经验。。即使做的慢，也比不做强。...

怎么评价一个人的科研能力呢？比较直观的是看这个人发表的论文，但这只是一方面。

入职之前，没有怎么接触过计量经济学，后来见不少同事们的研究基本全用到了计量经济学，才知道还挺有用的，有的学者甚至在 nature 子刊发的论文就是用的计量经济学。计量经济学当然没有统计学难，属于统计学的一个分支，特别适合用来做实证分析。本来可以讲这门课，但我选择讲《多元统计学》，准备自学这个《计量经济学》了。...

这半年似乎发生了许多事，现在想起来，有点好气也有点好笑。就像我的论文投稿一样一波三折。似乎投稿了一圈又回到了原点，又似乎峰回路转。。...

谈谈入职近一年的感想：地方高校无论是教师水平还是学生水平，跟北京的高校有一些差距，也没有那边的教师或学生勤奋科研时间明显减少，因为有很多乱七八糟的杂事打扰。现在的平均科研时间不足读博时的五分之一地方高校比北京那边更加黑暗，各种黑箱操作小圈子。申请地方项目比较顺利的很多都有一定关系与毕业前相比，接触的大部分人都很现实。很多人都不单纯，给你好处时其实是怀有目的的，各种利益往来地方高校在管理...

查了很久，需要用到 zhnum 这个包，发现将下面几句代码插入前面，就能实现章节序号为中文：\usepackage{zhnumber} % change section number to chinese\renewcommand\thesection{\zhnum{section}}\renewcommand \thesubsection {\arabic{section}}实现的效果...

2019，一直想写个总结，却也不知道写什么。贴出我的第二首诗：

使用 python 做线性回归分析有好几种方式，主要的分别是 scipy 包，statsmodels 包，以及 sklearn 包。但是，这些包目前都不能处理共线性，即自动剔除部分共线性的变量，需要自己去编函数，这一点不如 spss 或 r 语言。1. 用 scipy 包做线性回归...

从博客访问量过了 10 万开始，我前后至少申请了 3 次博客专家，昨天第 4 次申请终于通过了。通过的原因可能有以下几点：博客访问量已有一百多万，综合排名全站两千左右之前申请时我还是博士生，现在我已经是大学教师，上传工作证后批准。csdn 众多博客专家中，大学教师职业的还是少数相对于一年前，目前我的博客增加了不少 python 编程的相关内容，技术含量比以前提高了当然，csdn ...

安排了下学期讲《多元统计分析》，因为我学过这门课，本来不觉得多么难。然而拿到教材后，才知道理论那么深奥，这门课比高等数学都难。我记得硕士期间学这门课老师对理论部分讲的很简单，讲了一些操作，总体讲的很一般。我自己读了好几本多元统计学的教材，发现这些教材参差不齐，没有一个完美的：要么写的太难，堆了不少高深的矩阵知识上去，有一些理论做统计分析时很少用到，我觉得没啥必要都放到书里面去；要么写的太简略，一...

文章目录1. z 检验2. t 检验Python 中的假设检验一般用到 scipy 或 statsmodels 包，需要注意的是，这两个包里面各种检验的置信度都是 0.05。1. z 检验对于大样本数据（样本量 ≥\geq≥ 30），或者即使是小样本，但是知道其服从正态分布，并且知道总体分布的方差时，需要用 z 检验。在 python 中，由于 scipy 包没有 z 检验，我们只能用 st...

计算概率分布的相关参数时，一般使用 scipy 包，常用的函数包括以下几个：pdf：连续随机分布的概率密度函数pmf：离散随机分布的概率密度函数cdf：累计分布函数百分位函数（累计分布函数的逆函数）生存函数的逆函数（1 - cdf 的逆函数）函数里面不仅能跟一个数据，还能跟一个数组。下面用正态分布举例说明：>>> import scipy.stats as st...

python

进入教师岗之后，总感觉乱七八糟各种事情。学院一些事情要新老师帮忙，有同事找你帮忙，有些应酬不得不去，我要写自己的新论文，我要修改自己的老论文，我要与其他学者合作写论文，我还要备课，我还要注意申请课题，我还想写书。。...

搞科研时，为了论文的发表，做了一些假设与理想化处理，到最后发现研究的东西可能跟现实有点脱节了。很多现实的问题，在学术上不好研究发表。这是一个取舍（trade off）。...

1. Kolmogorov-Smirnov 检验在检验一个样本是否服从既定的分布时，或者检验两个样本是否来自同一个分布时，可以用 Kolmogorov-Smirnov 检验，简称 KS 检验。该检验被归为非参数检验（非参数检验是在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法），而 参数检验是在总体分布已知的情况下，对总体分布的均值或方差等进行检验。2. χ2\c...

科研团队不是那么容易寻找的，从自身经历来讲，有一些心酸的感受。国内导师在学术上的指导并不那么多，评上博导后，似乎对学术的追求很小了。但不可否认的是，国内导师的科研能力不错，人品也不错。国外导师虽然有问题向他请教时，比较耐心地解答，然而至今为止，对我学术的发表基本没啥帮助，我们合作的论文都没发表出来。其中一篇论文，被抢掉了第一作者，后续工作不让我参与了，到现在两年多了，论文还没投出去。与两位导...

多元统计分析中，协方差矩阵比较重要，它研究多个变量的关系。设随机向量 X\bf XX，它包括多个变量 X1X_1X1​, X2X_2X2​, …, XnX_nXn​，即X=(X1X2⋮Xn)\bf{X}=\left(\begin{array}{c}X_1\\X_2\\\vdots\\X_n\end{array}\right)X=⎝⎜⎜⎜⎛​X1​X2​⋮Xn​​⎠⎟⎟⎟⎞​...

总体来说，目前的国内科研机构比较浮躁，很多评价机制以量化为指标，这导致出现了下面几个现象：为了更快的出论文，越是好发论文的方向，总能看到不少中国人的名字。而那些不好发论文，也比较难的方向，很难见到中国人，甚至华人。...

10月24日，2 的 10 次方，程序员节日。去年的 1024 我还在问同学知不知道今天是什么节，时间过的真快，不知不觉又过去了一年。这一年，发生不少事，换了工作，心境也不一样。有挫折，也有喜悦。希望以后会越来越好。...

文章目录1. Numpy 计算均值、方差、标准差2. Pandas 计算均值、方差、标准差Python 中的 numpy 包 和 pandas 包都能够计算均值、方差等，本文总结一下它们的用法。1. Numpy 计算均值、方差、标准差一般的均值可以用 numpy 中的 mean 方法求得：>>> import numpy as np>>> a =...

文章目录1. 创建数组2. 数组索引与切片3. 数组运算NumPy (Numerical Python) 是 Python 语言一个重要的扩展库，支持大量的数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 通常与其他库 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于模仿 MatLab 的功能。Numpy 的官方手册...

研究方向越是偏数学，一些参考文献的论文或许很难看懂。这次拒稿原因之一，就是某一篇重要的参考文献没有引用。我当时读了这一篇论文，但是那时候没有理解里面的证明是怎么推出来的。不过，时隔一年半，经过不少数学方面的阅读，数学水平明显比以前是高了点，起码我现在能够完全理解这篇论文的证明过程了。这篇论文是：Gallego G, Scheller-Wolf A. Capacitated inventory p...

文章目录1. Anaconda2. Pycharm2.1 下载 python2.2 下载安装 Pycharm3. 常用工具包的安装3.1 Anaconda 安装包3.2 用 pip 安装包使用 Python 时一般有两种方式：一是下载 Anaconda（自带 Python，编辑器 Spyder以及许多常用包），二是下载 Python 和编辑器 Pycharm，从实践经验来看，Pycharm 功能...

我统计了我从硕士开始后收到的拒稿次数，至少有10次以上。当然，每次拒稿的级别也慢慢提高。拒稿原因主要包括以下几种：没有明确描述出研究的问题与以往文献的区别证明不足够严谨算例测试不规范。算例测试应该重点针对本研究与以往问题的区别一些低级错误，参考文献中把作者的名字写错，算例测试中数据填错审稿人瞎审（国内期刊、低质量期刊容易出现这种情况）不过，被拒过这么多次稿之后，早已经百拒不侵了。...

工作之后，科研时间明显减少。但是，不能忘初心，即使再忙，每天也要抽出时间搞科研。长风破浪会有时，直挂云帆济沧海。

多次在论文或讲座中听到一些老外降到 GAMS 语言，这几个月简单接触了下，发现这个语言确实很不错。不仅自身可以求解一些线性或非线性规划问题，也能调用其他求解器。网上可以找到这个软件的破解版，调用其他求解器时，需要下载这些求解器，并告诉 gams 这些求解器的调用地址（有三种方法：一是将求解器 exe 的地址添加到计算机的系统变量里；二是在 gams 安装目录下自建一个求解器 path 的 txt...

韦伯分布（Weibull distribution) 一般用来统计可靠性或寿命检验时用，例如：预计在有效寿命阶段有多少次保修索赔？预计将在 8 小时老化期间失效的保险丝占多大百分比？在管理科学与工程领域，见到一些学者假定产品的需求为韦伯分布。因为正态分布或者泊松分布过于理想化，韦伯分布相对来说更接近现实一些。韦伯分布的概率密度函数为：f(x,λ,k)={kλ(xλ)k−1e−(x/λ)kx≥...

python 中的 scipy 也有最优化的功能，体现在里面的 optimize 中，自己简单使用了下，发现它具有以下缺点：优化算法比较少，有信頼域、单纯形法、BFGS算法等，能够满足不少常规函数的求解，但相对于 matlab 来说还是少的一阶导数，黑三矩阵等，还需自己定义，这一点很不方便。像 Matlab 只需输入函数就行，不需要你自己再输入一阶导数、黑塞矩阵。而 scipy 中求解带约束...

进入教室岗位后，不仅要写论文，而且要申请项目。国内申请项目，很多时候不透明，不公开，尤其是社科类的一些基金，没有申请上，也不知道是什么原因。看到其他人申请上了，心里难免有些失落与不平衡。而且感觉做科研的时间很少，大部分时间都在忙其他事。不公平的现象绝对存在，而且别人努力的时候自己可能没看到。总之，即使再忙，也要抽出时间做科研！...

文章目录1. 竖放条形图bar(x, height, [width], **kwargs)2. 画横放条形图bar(x, width, [height], **kwargs)3. 并列条形图条形图（bar chart），也称为柱状图，是一种以长方形的长度为变量的统计图表，长方形的长度与它所对应的变量数值呈一定比例。1. 竖放条形图画条形图要用到 pyplot 中的 bar 函数，该函数的基...

直方图（histogram）虽然在样式上类似条形图，但它们的作用不一样。直方图用不同的矩形表示频数，常用来观察一组数据的概率分布。在直角坐标中，用横轴表示数据分组，纵轴表示频数或频率，各组与相应的频数就形成了一个个矩形，即直方图。画直方图用到 pyplot 中的 hist 函数，它的基本语法为：[n, bins, patches] = hist(x, [bins], **kwargs)输...

用 latex 好几年了，发现排版中文的 ctex 确实没有斜体。网上搜索了很多资料，还没见到真正运行成功的。ctex 对中文的加粗是直接将文字变成黑体了。这个问题存在几十年了，一直没有解决。中国人的开源精神还是弱啊，没有利益又花时间的事情几乎没人去做。...

散点图是数据点在直角坐标系平面上的分布图，在统计学的回归分析与预测中经常用到。用横轴代表变量 xxx，纵轴代表变量 yyy，每组数据 (xi,yi)(x_i, y_i)(xi​,yi​) 在坐标系中用一个点表示。做散点图要用到 pyplot 中的 scatter 函数。其基本语法为：scatter(x, y, [s], [c], **kwargs)含义x横坐标轴数据...

文章目录1. 加载宏包2. plot 函数的语法plot([x], y, [fmt], **kwargs)3. 一张图画好几条线1. 加载宏包使用 matplotlib 包画图时，我们一般加载里面的 pyplot，并命名为 plt，然后使用 plot 函数画图。# 导入 matplotlib 中的 plot， 并命名为常用名 pltimport matplotlib.pyplot as p...

文章目录一、 神经网络算法的内涵二、神经元之间信息的传递三、采用梯度下降法使误差减小四、BP 神经网络的局限性1. 不能保证得到全局最优解2. 输入的数据不要求标准化，但若标准化，可以提高神经网络的表现。人工神经网络这几年太火了，普遍用于预测、语音或图像识别。四五年前曾经想学习，但没有找到好的学习资料，一直一知半解的。最近一段时间因为要用 BP 神经网络做需求预测，就重新捡起来了。中文资料大部分...

线性回归中有这样一条性质：总偏差平方和(SST)=回归平方和（SSR）+残差平方和（SSE）总偏差平方和 (SST) = 回归平方和（SSR） + 残差平方和（SSE）总偏差平方和(SST)=回归平方和（SSR）+残差平方和（SSE）即：∑(yi−y‾)2=∑(y^i−y‾)2+∑(yi−y‾)2\sum(y_i-\overline y)^2=\sum(\hat y_i-\overline ...

对于非线性规划，Cplex 与 Gurobi 只支持二次规划（包括凸规划，二阶锥规划，目标函数或约束条件中可以包含二次函数）。若更高次数，或者非凸规划，非二阶锥规划，则需要用其他求解器了。matlab 自带的 fmincon 可以得到一些可行解，比较专业常用的求解器还有 lingo，自己这段时间准备用下看看。...

最近学院安排了讲课，因为要备课，再加上学院的其他杂事，发现做学术的时间明显少了很多。时间就像海绵里的水，只要挤挤总会有的。有许多时间其实可以利用起来，读读论文，推导下数学模型，或者敲敲代码。目前我做学术没有团队，基本是自己一个人。实力并不足够强，接触的国际学者也不多，还没有愿意真诚分享学术并且自身有实力的合作者。慢慢来吧，继续努力。...

个人网站：https://robinchen121.github.io/Github 主页：https://github.com/RobinChen121

最近看外国导师的 java 代码，发现其中一个类是抽象类（abstract class），里面包含了抽象方法（abstract method），顿时很疑惑为什么这样用，于是查了查相关的资料。抽象方法中没有方法体，包含抽象方法的类一定要为抽象类，它的作用是可以在继承时再具体实现这个方法。例如，构造一个动物类，包括“吃”，‘嚎叫’等方法。由于不同动物的 吃 和 嚎叫 是不同的，可以将 吃 和 嚎叫...

对于两个随机变量 XXX, YYY，若它们服从二维正态分布，则概率密度函数为：f(x,y)=12πσXσY1−ρ2exp⁡(−11−ρ2[(x−μX)2σX+(y−μY)2σY−2ρ(x−μX)(y−μY)σXσY])f(x,y)=\frac{1}{2\pi \sigma_X\sigma_Y\sqrt{1-\rho^2}}\exp\left(-\frac{1}{1-\rho^2}\left[\...

设一个实对称矩阵 XXX (X∈SnX\in S^nX∈Sn)，它的最大特征值为 λmax\lambda_{max}λmax​，则满足性质：∀y∈Rn,∥y∥2=1⟹yTXy≤λmax\forall y\in R^n, \|y\|_2=1\quad \Longrightarrow\quad y^TXy\leq \lambda_{max}∀y∈Rn,∥y∥2​=1⟹yTXy≤λmax​证明：...

由于给我安排了统计学课程，我就买了目前国内使用比较普遍的一本教材，人民大学出版社，贾俊平教授的《统计学》。我并没有怎么学过统计学的专业课程，只是在硕士阶段学习了一门《高级统计学》。看了这本书后，总体觉得写得还不错。数学原理部分比较少，很容易理解，而且操作部分讲解的比较清晰，个人觉得非常适合本科生学习。目前国内不少偏文科的经管学院，很多硕士生，甚至博士生的论文就是搜集一些数据，然后进行统计分析...

在一本统计学课本中见到一个熟悉的式子：(n−1)s2σ2∼χ2(n−1)\frac{(n-1)s^2}{\sigma^2}\sim \chi^2(n-1)σ2(n−1)s2​∼χ2(n−1)其中 sss 为样本的标准差。该式子的含义是 (n-1)*样本方差与总体方差之比服从自由度为 n-1 的卡方分布。一直以为这个式子很好证，自己试着没证出来。最后查了查，其实并不好证，要利用到不熟悉的高...

生活就是这样，当给你关掉一扇门时，还会给你打开一扇窗。生活中总会有那么多不顺和不如意，也会有不少欣慰和惊喜。乐观面对，相信未来！Some birds aren’t meant to be caged, their feathers are just too bright....

多次听说或看到抽样平均方法 Sample Average Approximation ，但不是真正理解这个方法到底怎么用的。决定写一篇博客，将每次看到的心得体会记录下来。对于一个随机规划问题，min⁡f(x,ξ)\min\quad f(x, \xi)minf(x,ξ)其中 ξ\xiξ 为一个随机变量，而 xxx 是一个求解变量。抽样平均方法 SAA 的大致含义是用抽样的方法将随机变量用样...

最近突然对 python 的爬虫感兴趣，就花了两三天时间自己试了试。借鉴了一些他人的代码，自己也在网上查了查，实现了自己想要的分析。分析结果用下面的图形表示：具体代码如下：# -*- coding: utf-8 -*-"""Created on Sun May 5 14:08:23 2019@author: zhen chenMIT Licence.Python ...

跟一位同事一起处理了一些数据，把几个 excel 中的数据合并到一块并分析。见我学会计出身的同事用 stata 挺溜的，有点羡慕，自己也想学。下载了一个几百页的教程，看了几十页，敲了几个简单的命令后决定放弃了。我不是会 python 吗？ python 那么强大，我为什么不用 python 中的 pandas 和 numpy 来处理数据呢？因此，我用 python 搞了一个上午弄好了。pan...

国内期刊投的不算多，总体上我对国内期刊的印象比较差，觉得审稿不严谨，而且关系户多（不少录用文章都是各个大佬的学生，好像他们每年都有配额似的）。最常见的拒稿意见可能就一句话：创新点不够。具体创新点哪个地方不够，没有指出来。文章只看了摘要，就说创新点不够。国内的管科领域，研究问题虽然比较广泛新颖，但普遍深度不够。你若在一个传统问题上做深度挖掘，国内不少审稿人认为你问题太老。难道偏偏弄个简单博弈，...

经常在数学相关的文献中看到 smooth function 这个名词，因此决定查查这个光滑函数到底是什么。光滑函数就是无穷可导的函数。原来定义这么简单啊。...

2016年8月写完投稿，前前后后被拒了3次，终于昨天录用了，前后近3年，心里面感慨万千。与我论文研究主题相关的学者并不太多，不好找审稿人，每次审稿都特别慢。因此，研究一个新方向，有风险也有机遇，尤其在前期风险挺大的。首先投的 COR，这个期刊审了三个月，审稿意见回来后，竟然在领域编辑那里待了近两个月没消息。我发邮件去问，结果过几天就被拒了。两个审稿意见一个建议拒稿，另外一个建议大修，这个领域编辑...

一致连续的直白意义是： 若函数 fff 一致连续，对于任意两点 xxx 与 yyy，只要 xxx 与 yyy 充分接近，f(x)f(x)f(x) 与 f(y)f(y)f(y) 也能够充分接近。邻域定义：对于任意实数 ϵ&gt;0\epsilon&gt;0ϵ>0，总存在实数 δ&gt;0\delta&gt;0δ>0，只要 ∥x−y∥&lt;δ\...

算数运算保持函数的连续性。若 fff 与 ggg 在 x0x_0x0​ 处连续，则f+gf+gf+gf−gf-gf−gf∗gf*gf∗gf/gf/gf/g（g(x0)≠0g(x_0)
eq 0g(x0​)̸​=0）max⁡{f,g}\max\{f,g\}max{f,g}min⁡{f,g}\min\{f,g\}min{f,g}在 x0x_0x0​ 处也连续...

有时候，见到别人取得的一些成果，自己心里不太好受。因为觉得别人可能没有自己努力，实力也可能不如自己，心里有点不平衡。不论搞学术还是在社会上闯荡，不论国内还是国外，一个人的成就需要多方面的因素，并不完全由个人实力与努力程度决定。我要慢慢适应这个现象。作为个人，所能改变最多的是努力与勤奋。贵在坚持，我相信这条路，我相信我自己。即使遇到挫折，没关系，总能得到认可的。...