- 博客(106)
- 收藏
- 关注
RSS订阅原创 李沐深度学习记录2：10多层感知机
加载数据#模型#与softmax回归的简洁实现，唯一区别是添加了2个全连接层#第一层隐藏层，包含256个隐藏单元，并使用ReLU激活函数。第二层是输出层#nn.Flatten()除了第0维度batchsize保留，其余维度全部展平为一维向量nn.ReLU(),#参数初始化#nn.Linear的weight和bias会自动初始化，这里使用init_weight只是不希望采用对weight的默认初始化，对bias采用默认初始化就可以#损失函数#优化算法#训练。
2023-10-04 15:35:49
396
原创 2021华数杯
华数杯：问题二：研究分类变量与连续变量之间关系——T检验、研究分类变量与分类变量之间关系——独立性检验禁止主成分分析、因子分析——适用范围很重要，要求正态分布且指标高度相关问题三：logistic模型、贝叶斯判别、机器学习使用机器学习时注意交代清楚：输入变量、输出变量、构建模型多少层、多少节点、迭代次数、误差精度控制问题四：优化模型...
2021-09-26 18:18:39
295
原创 2020国赛C题
2020国赛C题中小微企业特点——非“税贷”策略，是“发票贷”策略问题分析：问题核心：如何针对企业的信贷风险确定银行的最优信贷策略1.信贷策略：是否放贷、放贷金额、贷款利率和期限2.信贷风险：反映企业还款能力的指标，由企业经济实力和信誉指标两方面构成（直接查文献可能会涉及企业规模等指标，但与本题并没给出相关数据故不合适，题中所给数据限定了指标只能是企业经济实力和信誉指标）3.企业实力：企业的上下游业务量和增长率、企业的毛利润和增长率4.企业信誉：企业的信誉评级和是否有违约记录主要问题：如何量
2021-09-26 18:18:13
2941
2
原创 数学建模-数学规划模型
数学规划模型一、概述1.什么是数学规划？运筹学的一个分支，用来研究在给定条件下(即约束条件)，如何按照某一衡量指标（目标函数）来寻求计划、管理工作中的最优方案。即求目标函数在一定约束条件下的极值问题2.数学规划的一般形式min(or max)Z=f(x)s.t gi(x)<=0,i=1,2,…,m (不等式约束) 约束条件，也可能等式约束、整数约束…x:决策变量（一般多个自变量）f(x)：目标函数3.数学规划的分类（1）线性规划目标函数f(x)和约束条件均是决策变量的线
2021-09-26 18:17:46
7026
1
原创 数学建模冲刺3
基础排版1.编辑模型（1）word论文中可能因为公式存在使得行间距变大选中段落-右击选择段落-擦去两个对钩即可使得行间距恢复上述问题同样适用与表格中，要么在表格中不用公式则不会出现表格宽度不一致问题；要么用公式可能导致表格宽度不一致，用上述方法修改（选中表格右击->表格属性->行->指定高度擦去）2.设计表格图表——可视化表格注意：表达直观、美化版面、科学严谨(1)表格的规范格式表几(用阿拉伯数字），空格再加表名（2）目录的创建（3）符号说明三线图3.
2021-09-26 18:16:10
126
原创 数学建模冲刺2
竞赛论文写作及赏析结构标题（主题、方法、特色）摘要、关键词问题的重述、问题的分析模型的假设、名词解释与符号说明模型的建立与求解、模型的检验与分析模型的评价与推广、模型的改进参考文献、附录（表、图、代码）&1.问题重述一.背景知识1）引言部分2）切入标题3）研究意义二.相关数据1）三.具体问题1）问题一2）问题二3）问题三&2.问题的分析一.研究现状综述查阅文献，洞悉前沿。张三李四怎么做的等二.对问题的总体分析和解题思路总体分析：标题分析，问
2021-09-26 18:15:35
346
原创 数学建模冲刺1
五步法五步骤1.提出问题2.选择建模方法3.推导模型的数学表达式4.求解模型5.回答问题大纲标题（主题、方法、特色）摘要，关键词问题的重述、问题的分析模型的假设、名词解释与符号说明模型的建立与求解、模型的检验与分析模型的评价与推广、模型的改进参考文献、附录(表、图、程序)举例：1.提出问题：如何用数学语言来表达问题列变量写假设定目标求利润或净收益P最大值选方法推导模型公式求解回答问题灵敏度分析最佳售猪时间x关于生长率g的灵敏性灵敏性的
2021-09-26 18:15:22
139
原创 数学建模-6.典型相关分析
典型相关分析是研究两组变量之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在关系在一元统计分析中，用相关系数来衡量两个随机变量之间的线性相关关系；用复相关系数研究一个随机变量和多个随机变量的线性相关关系。然而，这些统计方法在研究两组变量之间的相关关系时却无能为力。比如要研究生理指标与训练指标的关系，居民生活环境与健康状况的关系，人口统计变量（户主年龄、家庭年收入、户主受教育程度）与消费变量（每年去餐馆就餐的频率、每年出外看电影的频率）之间是否具有相关关系？阅读能力变量（阅读速度、阅读才能
2021-09-26 18:14:47
2344
原创 GBDT-2
多分类实例[1,0,0] 表示样本属于山鸢尾，[0,1,0] 表示样本属于杂色鸢尾，[0,0,1] 表示属于维吉尼亚鸢尾。Cart Tree1生成过程遍历所有样本对应的所有特征，找其最好的切分条件给其分成树考虑问题：1.是哪个特征最合适? 2.是这个特征的什么特征值作为切分点?举例：构建第一棵树时，首先遍历到花萼长度，遍历到5.1，假如以5.1作为切分点，小于5.1为一类，大于等于5.1为一类y1 为 R1 所有样本的label 的均值 1/1=1。y2 为 R2 所有样本的label
2021-07-30 18:57:17
175
原创 数学建模-12.预测模型
灰色预测灰色系统GM(1,1)模型：Grey ModelGM(1,1)原理介绍呢么，准指数规律的检验？发展系数(-a)与预测情形的探究发展系数越小预测的越精确GM(1,1)模型的评价在使用GM(1,1)模型对未来的数据进行预测时，我们需要先检验GM(1,1)模型原数据的拟合程度一般两种方法：残差检验 级比偏差检验使用灰色预测的情况...
2021-07-30 18:57:03
2698
原创 GBDT-1
GBDTGBDT直观理解概念： GBDT由三部分构成：DT(Regression Decistion Tree)、GB(GradientBoosting)和Shrinkage(衰减)由多棵决策树组成，所有树的结果累加起来就是最终结果思想：不断拟合残差，使残差不断减少GBDT-回归树DT原理回归树概念（区别分类树）树模型做回归问题，相当于每一片叶子都输出一个预测值。预测值一般是该片叶子所含训练集元素输出的均值。CART树的分类和回归的差异CART回归树流程GBDT-梯度提升GB
2021-07-29 19:12:17
124
原创 数学建模-7.多元线性回归分析
多元线性回归分析回归分析是数据分析中最基础也是最重要的分析工具，绝大多数的数据分析问题，都可以使用回归的思想解决回归分析的任务：通过研究自变量X和因变量Y的相关关系（注意相关性≠因果性），尝试解释Y的形成机制，进而达到通过X去预测Y的目的常见的五类回归分析：线性回归、0-1回归、定序回归、计数回归、生存回归其划分依据是因变量Y的类型X：自变量/解释变量Y：因变量/被解释变量数据的分类1.横截面数据：某一时点收集的不同对象的数据 例如：2. 时间序列数据;对同一对象在不同时
2021-07-29 19:04:43
1017
原创 k-means聚类代码实现
一维聚类import pandas as pdimport numpy as npfrom sklearn.cluster import KMeansdata=pd.read_excel(r'C:\Users\11960\Desktop\k-means1.xlsx') #加载数据data1=data['R1'] #取某列数据data1=np.array(data1) #变成数组data=[[i]for i in data1] #生成一个一个的列表julei=KMeans(n_clust
2021-07-28 18:47:39
235
原创 数学建模-10.聚类
聚类注意聚类和分类的区别：分类是已知类别，聚类未知K-means算法原理及主要流程K-means聚类的算法流程：一、指定需要划分的簇[cù]的个数K值（类的个数）;二、随机地选择K个数据对象作为初始的聚类中心（不一定要是我们的样本点）;三、计算其余的各个数据对象到这K个初始聚类中心的距离，把数据对象划归到距离它最近的那个中心所处在的簇类中;四、调整新类并且重新计算出新类的中心;五、循环步骤三和四，看中心是否收敛（不变），如果收敛或达到迭代次数则停止循环;算法优点：1.算法简单
2021-07-26 21:00:06
809
1
原创 数学建模-5.相关系数
相关系数-皮尔逊pearson相关系数衡量两个变量之间相关性的大小原理协方差可以反应两个变量之间的关系，但是协方差大小与量纲有关，皮尔逊相关系数则是将X和Y标准化后的协方差，即去除了两个变量量纲的影响。分总体皮尔逊相关系数和样本皮尔逊相关系数注意：对于皮尔逊相关系数可以反应两变量之间的相关程度，并非适用于所有关系1.相关系数只是用来衡量两个变量线性相关程度的指标即，需首先画出散点图观察确认两个变量线性相关，后续才可以使用相关系数来衡量二者的相关程度，其中皮尔逊相关系数绝对值越大相关
2021-07-26 20:59:14
1464
原创 数学建模-4.拟合算法
拟合算法区别于插值算法拟合问题中不需要曲线一定经过给定点拟合问题的目标是求出一个函数曲线，其在某种准则下与所有数据点最接近，即曲线拟合的最好（最小化损失函数）引例最小二乘法求解下一步，求出拟合函数后，该如何判断所求拟合函数的好坏？非线性函数不能用R^2举例：...
2021-07-23 21:08:09
175
原创 数学建模-3.插值算法
插值算法适用情况：需要根据已知的函数点进行进行数据、模型的处理和分析，但数据量少，且有缺失，这时需要“模拟产生”一些新的又比较靠谱的值来满足需求插值法定义：对于其中的P(x)求解，有不同的方法从而求出P(x)函数的多种形式如：多项式插值法和分段插值法1.插值多项式常用多项式插值方法-拉格朗日插值法存在的问题-龙格现象由图可见，同一区间在选取拉格朗日多项式的n时，在不熟悉曲线运动趋势前提下不可轻易使用高次插值。原因：高次插值会产生龙格现象，两端波动极大，有明显动荡。牛顿插值法
2021-07-23 21:07:53
2367
4
原创 数学建模-14.主成分分析PCA
主成分分析(PCA)一种降维算法，能将多个指标转换为少数几个主成分这些主成分是原始变量的线性组合，且彼此互不相关。其能反映出原始数据的大部分信息。一般而言，当研究问题涉及到多变量且变量之间存在很强的相关性，考虑使用主成分分析的方法对数据进行简化降维:是将高维度的数据（指标太多）保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的优点：使得数据集更易使用；降低算法的计算开销；去除噪声；使得结果容易理解主成分分析的思想如何确定主成分变量的系数lij等？
2021-07-23 21:07:25
2181
4
原创 数据预处理03
DateFrameDataFrame是一个可以包含不同数据类型列的二维数据结构，类似于电子表格或SQL表，或Series对象的字典集合,是最常用的pandas对象。创建DateFrame数组创建dataframepd.DataFrame(arr2,index=["a","b","c"],columns=["A","B","C","D","E","F","G"])通过字典创建dataframe 默认键为纵向索引dict1={'姓名':["小李","小张","小刘","小马"],
2021-07-22 22:46:24
180
1
原创 评价类模型：1.层次分析法
评价类问题举例高考结束，小明在华中科技大学和武汉大学之间做选择首先，选择打分指标及其所占权重：学习氛围，就业前景，男女比例，校园景色随后，根据查资料或者其他途径对两所校园的各个指标进行打分最后根据各个指标及其所占权重进行计算不同方案总分，并且比较即可得出最佳方案总结重点在于完成权重表其中，同颜色单元格和为1，表示针对某一因素所占权重上例引出，评价类问题如何解决？ 我们评价的目标？ 我们为了达到该目标有哪几种可选方案？ 评价的准则即指标，根据问题：有三处目标景点，苏杭，北戴河
2021-07-22 15:21:32
1085
原创 数学建模-2.优劣解距离法Topisis模型
层次分析法的局限性1.评价的决策层或方案层不能太多，即n不能太大，最多是15，否则判断矩阵和一致矩阵差异可能会很大2.如果决策层中指标数据已知，如何利用数据来使得评价的更加准确？引例已知四名同学高数成绩，为该四位同学评分，使其合理的描述其高数成绩的高低一个不能够足够反应数据的评分方式，例如小王成绩改变，但评分不变一个比较好的想法但是，以卷面100为最高似乎数据关联性更大为何采用第二种的解释：1.例子中的数据存在最大值和最小值，但是仍有很多指标不存在理论上的最大值和最小值，例如
2021-07-22 15:17:32
2514
原创 数据预处理02
numpy的算术运算exp()计算e的x次方exp2(x)计算2的x次方power(x1,x2)计算x1的x2次幂mod(x)返回输入数组中相应元素的除法余数log(x)自然对数，逐元素log2(x)以2为底x对数log10(x)以10为底x的对数sqrt(x)按元素方式返回数组的正平方根square(x)返回输入的元素平方import numpy as np;arr1=np.array([2,2,2])#求e的x次方
2021-07-21 21:53:49
170
3
原创 数据预处理01
numpy简介numpy-ndarray对象即n维数组对象该对象封装了同质数据类型的n维数组（数组，即有序的元素序列）创建ndarray数组一、np.array函数二、随机数函数生成array三、用arange函数创建array四、创建特殊数组函数方法一： np.array函数创建ndarraynp.array()；arr1=np.array([1,3.14,2],ndmin=2);#ndmin指定多少维数组arr2=np.array([[1,3.14,2],[2,5.
2021-07-20 21:56:32
271
1
原创 ROS入门-16.tf坐标系广播与监听的编程实现
介绍这两只海龟跟随背后的原理，怎样通过tf坐标系来完成广播与监听的编程实现第一步，创建功能包learning_tfcd ~/catkin_ws/src 在工作空间src下进入终端catkin_create_pkg learning_tf roscpp rospy tf turtlesim这里我们需要去依赖roscpp，rospy，tf工具，还有和小海龟相关的turtlesim功能包我们看到两个海海龟与world之间都有位置关系，这个位置关系要通过tf去广播出来的，看一下在程序里如何来实现
2021-07-17 10:10:19
347
1
原创 ROS入门-15.ROS中的坐标管理系统
介绍ROS中的常用组件，本将介绍ROS中的坐标系管理系统TF机器人中的坐标变换坐标系变换是机器人基本理论当中非常重要的一块，比如说有A,B两个坐标系，这两个坐标系之间的关系可以通过向量去做描述，这里会包括平移和旋转的变换，所以任意两个坐标系之间的坐标变换可以通过一个4×4的矩阵去描述他的平移和旋转在ROS中针对坐标变换的一个很重要的工具的使用方法，比如说是像这样的机器人，里面可能会有非常多的坐标系，呢么我们应该怎样去描述任意两个坐标系之间的关系是比较麻烦的，比如机器人上面的摄像头的坐标系跟 机器人底
2021-07-17 10:10:11
838
1
原创 ROS入门-14.参数的使用与编程方法
回顾参数的模型，之前介绍过在ROS Master中有一个参数服务器Paramester Server,它是一个全局字典， 是用来保存各个节点之间的配置参数的比如这里有一个Paramester Server，里面保存了名字my_robot，半径0.4和高度0.5，这些配置参数是各个节点都可以全局访问的，比如在A节点访问robot_name字典就可以得到值my_robot，它只需要给ROS Master发送一个查询的请求就可以返回该结果，node A,B,C,D类似。虽然各个node不属于同样一个PC里，可
2021-07-17 10:09:57
410
1
原创 ROS入门-13.服务数据的定义与使用
前面我们已经学习到了spawn和Trigger两种在ROS中已经定义好的服务数据类型的使用方式，当已经定义好的服务数据不能满足我们需求时，就需要根据自己需求来定义一个服务数据的类型并使用之前在自定义topic的message里的示例，当时是有一个发布者不断去发布一个person的信息，另外一个订阅者不断去显示接收该信息，我们会觉得不希望publisher不断去发信息，希望它是用service这样一个机制，每request一次才去发布显示一次同时接收到是不是发布成功了，呢么我们就用service这样的模型
2021-07-17 10:09:25
496
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