平均排除法计算排涝流量适用于任何地区。________比例运算电路的输入电流等于零，而_______比例运算电路的输入电流等于流过反馈电阻中的电流。土壤含水率的表示方法包括 ( ) 。下面哪项不是渠道断面设计的具体要求 ( )选取延续时间较长，即累计( )以上的最大灌水率值作为设计灌水率。除涝设计标准一般用某一重现期的几日暴雨在几日内排除、使作物不受淹来表示。国际恐怖袭击的主要形式有哪些？37 、
机器学习就是从数学中找到特征和模式的技术 机器学习擅长的任务：回归处理连续数据如时间数据的技术使用有标签的数据，称为监督学习分类使用有标签的数据，称为监督学习聚合使用无标签的数据，称为无监督学习机器学习最难的地方是收集数据，有大量需要人工的点 回归 含义：构建目标数据的回归函数 方法：最小二乘法 公式：E（θ）=1/2∑（y - f（x））的平方E（θ）即误差值：目标使得E（θ）的值最小f（x）：
转载
2024-04-10 20:47:11
223阅读
softmax又称归一化指数函数。它是二分类函数sigmoid在多分类上的推广，目的是将多分类的结果以概率的形式展现出来。它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是 下图展示了softmax的计算方法： &nb
4.2 多项式回归 以多元线性回归和特征工程的思想得到一种称为多项式回归的新算法。可以拟合非线性曲线。这是线性回归时使用的预测模型： 先看看按照以前的线性回归方法的效果：# create target data
x = np.arange(0, 20, 1)
y = 1 + x**2
X = x.reshape(-1, 1)
model_w,model_b = run_gradi
转载
2024-08-13 10:10:09
153阅读
#Classification（分类） #Logistic regression（logistic回归）一种分类算法，用在标签y为离散值0或1的情况下。#背景线性回归应用在分类问题上通常不是一个好主意： 所以引出logistic回归算法 #Logistic Regression Modelsigmoid函数/logistic函数：g(z)#Decision bound
转载
2024-08-07 09:48:43
50阅读
与梯度下降法一样，牛顿法和拟牛顿法也是求解无约束优化问题的常用的迭代方法。1、牛顿法考虑无约束最优化问题： minx∈Rnf(x) 其中
x∗为目标函数的极小点。 牛顿法的一个直观解释：每一次迭代过程中，目标函数在局部可以近似表示成二次函数，然后以该二次函数的极值点来代替目标函数的极值点，不断重复直到收敛。既然要将目标函数局部近似为二次函数，自然地我们就要引入泰勒公式了。假设f(x)具有二阶
转载
2024-04-28 10:34:20
239阅读
作者：Tarun Guptadeephub翻译组：孟翔杰 在这篇文章中，我们将看一个使用NumPy作为数据处理库的Python3编写的程序，来了解如何实现使用梯度下降法的(批量)线性回归。 我将逐步解释代码的工作原理和代码的每个部分的工作原理。 我们将使用此公式计算梯度。 在此，x(i)向量是一个点，其中N是数据集的大小。 n(eta)是我们的学习率。 y(i)向量是目
转载
2024-06-06 11:22:17
169阅读
一、线性回归基本命令regress y x1 x2 （红色表示该命令可简写为红色部分）以 Nerlove 数据为例（数据附后文）regress lntc lnq lnpf lnpk lnpl 表上半部分为方差分析表，包括回归平方和，残差平方和，均方，F检验等。上半部分右侧给出拟合优度R2和调整的R2。root MSE 表示方程的标准误
转载
2023-11-09 11:18:10
717阅读
STATA常用命令数据相关生成新数据删除和修改数据改变数据类型条件命令取对数命令输出相关常用回归非线性选择回归logit回归probit回归线性回归OLSHeckman 回归Tobit回归2SLS回归（工具变量法）常用检验异方差检验多重共线性检验自相关检验格兰杰因果检验稳健性检验内生性检验 常用命令数据相关生成新数据利用旧数据定义新数据，注意，如果使用的旧数据为两个及以上，只要其中一个为空值，则
转载
2023-11-24 20:08:33
180阅读
文章目录一. 利用矩阵偏导数与微分的关系1.1 实值函数对向量的微分1.2 实值函数对矩阵的微分1.3 上面两个公式的应用1.4 运算法则1.5 迹技巧二 用迹的性质简化矩阵求导问题。 在实际 机器学习工作中，最常用的就是 实值函数 y 对向量 x或矩阵 X 求导，比如最简单的线性回归问题中由目标函数 $ dJ(w) $求解最佳参数向量 $w $。 矩阵/向量求导问题中要明确是什么量对什么量求
转载
2024-05-08 19:55:30
48阅读
1. 逻辑斯谛回归模型定义在 Andrew NG 的 Machine Learning 课程和李航的统计学习方法中，都有对逻辑斯谛回归模型的介绍，然而二者却对模型有着不同的定义。1.1 决策函数Andrew NG 课程中，对二项逻辑回归模型的决策函数如下： hθ(x)=g(θTx)hθ(x)=g(θTx) g(z)g(z) 为Sigmoid函数： g
转载
2024-01-21 19:39:36
52阅读
在学习统计学贾书的过程，在第6—14章节出有许多需要理解与记忆的公式和概念，在此通过博客的形式做一次梳理，主要内容为统计学中抽样分布、假设检验、参数估计、分类数据分析、方差分析、一元二元线性分析、时间序列分析、指数的理论知识，不足之处望多多指正。参数估计的一般问题点估计与区间估计 (1)点估计定义：用样本的估计量的某个取值直接作为总体参数的估计值（如用样本均值直接作为总体均值的估计；用两个样本均值
最近我们被要求撰写关于GLM的研究报告，包括一些图形和统计输出。 相关视频：非线性模型原理与R语言多项式回归、局部平滑样条、 广义相加模型GAM分析
非线性模型原理与R语言多项式回归、局部平滑样条、 广义相加模型GAM分析 ，时长05:41视频：R语言广义相加模型（GAM）在电力负荷预测中的应用
拓端tecdat：R语言广义相加模型（GAM）在电力负荷预测中的应用 本文通过
转载
2024-05-13 09:54:37
117阅读
第一部分# 线性回归：
# 如果不计算截距，本质就是矩阵运算，线性代数中的知识
# 如果要计算截距，只能使用梯度下降，多个参数系数，相当于多个变量
# 求偏导数
# 线性回归改进和升级
# Ridge岭回归，通过对系数的大小缩减来解决普通最小二乘的一些问题。
# 当数据的特征比样本点还多时，就不能使用线性回归和梯度下降等方法来预测
# 这是因为输入数据的矩阵X不是满秩矩阵，非满秩矩阵在求逆时会出
转载
2024-04-12 05:15:02
571阅读
1 运行实例 机器学习中的回归问题属于有监督学习的范畴。回归问题的目标是给定d维输入变量x，并且每一个输入的x都有对应的值y，要求对于新来的数据预测它对应的连续的目标值t。下面是一元线性回归的例子，表示截距值，表示回归系数。  
参数估计
原创
2021-08-02 14:35:52
197阅读
一、HMM中的第三个基本问题O=O1O2…OT，如何调节模型μ=(A,B,π)的参数，使得P(O|μ)最大化： argmaxμP(Otraining|μ) 模型的参数是指构成
μ的
πi,aij,bj(k)。本文的前序两节讲的EM算法就是为了解决模型参数的最大化问题。其基本思想是，初始时随机地给模型参数赋值，该赋值遵循模型对参数的限制，例如，从某一状态出发的所有转移概率之和为1.给模型
转载
2024-05-30 09:25:27
96阅读
为随机信号建立参数模型是研究随机信号的一种基本方法。 在对语音信号进行编码时，分析不同种类语音信号的特点及产生，用数学模型表示信源，而编码器根据输入信号计算模型参数，然后对模型参数进行编码，也就是说，只需要对编码后的参数进行传送（而不需要传送语音信号本身），解码器通过收到的模型参数，直接利用相同的数学模型即可重建出语音信号，大大减小了传送的数据量。音频编码中的三种编码思路：（1）参量编码：这种编码
转载
2023-09-21 05:52:07
158阅读
本文对parzen窗估计做了简单叙述，针对《模式分类》（第二版）内容进行简单探讨，使用matplotlib库直观地了解parzen窗估计的一些特点和性质。
1.简介Parzen窗估计属于非参数估计。所谓非参数估计是指，已知样本所属的类别，但未知总体概率密度函数的形式，要求我们直接推断概率密度函数本身。对于不了解的可以看一下https://zhuanlan
转载
2024-05-21 06:53:30
48阅读
本部分记录一些最优化理论中的常见算法。1. 无约束规划研究无约束优化问题，对研究各类优化问题都有重要意义。因为可以有多种方法将各类等式或者不等式约束的优化问题转换为无约束优化问题，比如利用KKT条件（乘子法），罚函数法，序列二次规划等。（1）梯度下降 （Gradient Descent Method）：泰勒一阶展开分析可得。优点：通俗易懂，且只算梯度。缺点：收敛速度慢，线性收敛，震荡。最速下降：不
转载
2024-03-06 10:31:48
97阅读
