- 博客(2)
- 收藏
- 关注
RSS订阅原创 Python语言进行权重生成和评价模型
我在之前的比赛中很少涉及评价模型，做的更多的是模型评价，虽然两个词语位置不同但方法差异很大（开始我也差点搞混了），这次学习算是提供了一些新思路，个人就简单记录一下学习的内容（仅面向初学者，有些算法过于复杂，我自己也搞不明白，重点要学着用）。下面介绍几种常用的方法。熵权分析法是一种客观赋权的方法，它基于信息熵的概念，通过计算每个指标的信息熵来衡量该指标的离散程度，简单的说就是，信息熵越大，其对应权重较小，反之，权重较大。然后则是通过判断矩阵计算权重向量，通常是求取判断矩阵的特征值和特征向量，进行归一化处理。
2024-07-27 12:00:54
657
原创 基于Python语言的数据处理与模型拟合个人研究总结
回归分析中主要考虑的是线性回归（另一种是逻辑回归，因为归于复杂，难以理解，这里不进行总结），线性回归又分一元线性回归和多元线性回归，根据自变量个数的不同采用不同的线性回归。根据泰勒级数展开式的特征（这应该是高等数学的内容吧，笔者非数学专业，可能表述有些不准确），任何连续曲线都可用多次多项式进行表示，故对于非线性回归模型，采用多项式拟合是十分便利的方法。所谓分类，则是根据数据的特征进行归类。模型可视化是十分关键的一步，我们能够清晰看到数据的分布，数据的走向，对后续的分析工作给予极大的帮助。
2024-07-23 15:37:10
760
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人