- 博客(5)
- 收藏
- 关注
RSS订阅原创 利用Flowchart.fun快速可视化递归过程
主要目的对于算法初学者来说，能将算法运算过程可视化，则将对算法过程有一个更深刻的理解。对我来说，在开始学习算法的时候就想有一个工具能快速的展现算法的运算过程。正好前段时间看到了Flowchart.fun觉的很有意思。决定将其运用在算法上。Flowchart.fun使用Flowchart.fun是一个通过文本录入快速制作生成流程图的小应用。一行代表一个流程块。缩进代表子节点；实战运行手册6期——流程图小工具flowchart-fun( https://zhuanlan.zhihu.com/p/35
2022-04-29 11:50:40
495
原创 补货中估计提前期不确定的需求分布公式推导
具体的公式这部分内容来自供应链管理中的第十二章安全库存中的结论假设第iii期的产品需求服从均值为DiD_iDi、标准差为σi\sigma_iσi的正太分布且各期需求相互独立。假设提前期服从均值为LLL，标准差为sLs_LsL的正太分布。那么，提前期（不确定的）内的总需求服从均值为DLD_LDL、标准差为σL\sigma_LσL的正太分布，其中：DL=D∗L,σL=LσD2+D2sL2D_L = D * L, \sigma_L = \sqrt{L\sigma_{D}^{2}+D^{2}s_{L
2022-01-29 17:06:49
2706
2
原创 SparseCategoricalCrossentropy的计算
在搭建深度学习模型，构建损失函数经常用到交叉熵函数，同时用到SparseCategoricalCrossentropy。于是查找下文件，通过计算理解该函数。m = tf.keras.metrics.SparseCategoricalCrossentropy()m.update_state( [1, 2], [[0.05, 0.9, 0.05], [0.1, 0.8, 0.1]])# y_true = one_hot(y_true) = [[0, 1, 0], [0, 0, 1]]# log
2021-01-28 20:00:07
2799
2
原创 利用geopandas，在地图上绘制经纬度的点
利用geopandas，在地图上绘制经纬度的点使用的数据集这里使用的是Gowalla的签到数据集，链接: 数据链接.引入必要的包import pandas as pdimport geopandasimport matplotlib.pyplot as plt读取数据df_checkin = pd.read_csv('./Gowalla_totalCheckins.txt',sep='\t',header=None)df_checkin.columns= ['user','check_
2021-01-02 16:47:15
6074
2
原创 shap值简单计算
理论基础可以参考原论文使用决策树计算import shapimport numpy as npimport pandas as pdfrom sklearn.tree import DecisionTreeRegressorX = np.array([[1,0],[1,1],[0,1],[0,0],[1,0],[1,1],[0,1]])df = pd.DataFrame(X)d...
2020-07-18 22:39:27
2103
1
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