BMI即体重指数，是衡量个人身体质量的一个重要参数，通过判断BMI的数值大小，我们可以判断个人身高与体重是否协调。下面我将用IBM SPSS Statistics来为大家介绍BMI的计算方法。一、BMI计算如果只有一两条数据，我们可以直接计算，但若是几十几百条数据，就需要使用SPSS来辅助计算了。1、首先打开我们提前准备好的统计数据；图一：统计数据2、点击SPSS主界面菜单栏的转换按钮；图二：转换
转载
2024-04-19 14:32:33
781阅读
统计学软件SPSS1. 软件设置1.1 语言设置2. 视图2.1 数据视图2.2 变量视图2.2.1 测量尺度2.3 输出视图3. 操作3.1 打开文件3.1.1 导入模板数据3.2 分析3.2.1 非参数检验3.2.1.1 卡方检验3.2.1.2 二项式检验3.2.1.3 K-S检验3.2.1.4 游程检验3.2.1.5 卡方检验-交叉分析（列联表分析）3.2.2 参数检验3.2.2.1 t检
重加权，也称为代价敏感学习，通过调整训练期间不同类别的损失值来对类别进行重新平衡，近期的研究提出了各种代价敏感学习方法来处理类别不平衡问题，包括类别级重加权和类别级re-margining，大家熟知的Focal loss、动态权重等都属于重加权方法。2. 类别级重加权2.1 Weighted Softmax Loss最直觉的方法是直接使用训练样本的标签频率对损失进行重新加权，即加权so
转载
2024-07-10 19:10:50
127阅读
权重确定的主客观赋权法组员：余芳云1011200110卢玲婕1011200147钟灵欢1011200148 一、引言在多属性决策问题的求解过程中,属性的权重具有举足轻重的作用,它被用来反映属性的相对重要性。很多多属性决策方法( 如简单加性加权法、TOPSIS 法、多属性效用理论等) 都涉及到属性权重,如何科学、合理地确定属性权重, 关系到多属性决策结果的可靠性与正确性。目前已有许多确定属性权重的方
转载
2024-05-27 19:28:26
482阅读
attention
1.在模型举例在机器翻译的任务当中，翻译得到的每个y的时候，更加关注于某个x，当翻译am的时候，就应该更关注输入当中的
是，让机器也具备这种关注的能力。
2.怎么关注？当翻译y1的时候，y1是通过H1得到的，x1通过特征提取又可以计算出h1，点积的方式可以计算
出两个向量的相似性。H和每个h之间的点积去计算，翻译y1的时候更应该专注哪个x/h。
self-attention：
转载
2024-05-09 14:34:11
132阅读
0. 引言在实际使用中，我们通常希望有一个预训练模型帮助加速训练，如果使用原生的模型，直接使用加载即可。但我们经常会根据不同的任务要求进行backbone的修改，此时直接加载预训练模型就会出错。因此为了解决该问题，下面引入如何加载部分模型的权重（修改的部分不需要加载）。1. 分类网络最后一层一般PyTorch官方实现的网络中，训练集使用的ImageNet数据集，所以分类数（1000）与我们的任务分
转载
2023-12-25 22:28:41
285阅读
各种排序算法总结和比较</h1>
<div ></div>
<div class="postBody"> 排序算法可以说是一项基本功，解决实际问题中经常遇到，针对实际数据的特点选择合适的排序算法可以使程序获得更高的效率，有时候排序的稳定性还是实际问题中必须考虑的，这篇博客对常见的排序算法进行整理
PCA(主成分分析)方法浅析降维、数据压缩找到数据中最重要的方向：方差最大的方向，也就是样本间差距最显著的方向PCA算法主要用于降维，就是将样本数据从高维空间投影到低维空间中，并尽可能的在低维空间中表示原始数据。PCA的几何意义可简单解释为：0维-PCA：将所有样本信息都投影到一个点，因此无法反应样本之间的差异；要想用一个点来尽可能的表示所有样本数据，则这个点必定是样本的均值。
1维-PCA：
【导读：当今人类即将或者已然了进入智能时代，这是·情报通·人工智能科普系列第[8]篇文章，欢迎阅读和收藏！】1 基本概念数据是实现机器学习的重要输入，而特征选择就是当数据预处理完成后，我们需要选择有意义的特征输入机器学习的算法和模型进行训练。通常来说，从两个方面考虑来选择特征：1) 特征是否发散：如果一个特征不发散，例如方差接近于 0 ，也就是说样本在这个特征上基本上没有差异，这个特征对于样本的区
转载
2024-07-15 11:21:10
86阅读
//为了面试稍微复习一下数学建模吧。1.最近的一次是2018年的问题就是如何建立各省的“低保标准”，由于单一的低保标准并不能满足需求。因此需要给出模型计算某一地区的低保标准；并且分析先行个地区的低保标准的相关性，给出模型适应性分析。主要就是收集数据，各地的数据。首先是根据层次分析法确立了主要计算指标和次要计算指标，分别是人均可支配收入、人均消费，居民消费指数、当地财政预算、当地GDP。层次分析分为
主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量，同时根据实际需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息，也是数学上处理降维的一种统计学方法。SPSS实现主成分分析的步骤如下：1.数据标准化之所以要对数据进行标准化，是因为各种类别的数据间的度量不同。我们选择如下数据进行介绍，选择微博总数、粉丝数、关注数、转发数、评论数和点赞数为指标。首先将数据粘贴到SP
转载
2024-08-25 19:45:33
3073阅读
利用SPSS检验数据是否符合正态分布正态分布也叫常态分布，在我们后面说的很多东西都需要数据呈正态分布。下面的图就是正态分布曲线，中间隆起，对称向两边下降。下面我们来看一组数据，并检验“期初平均分” 数据是否呈正态分布(此数据已在SPSS里输入好)在SPSS里执行“分析—>描述统计—>频数统计表”(菜单见下图，英文版的可以找到相应位置)，然后弹出左边的对话框，变量选择左边的“期初平均分”
转载
2024-08-14 12:12:23
540阅读
综合评价系统中客观赋权方法综合评价系统中客观赋权方法提要客观赋权方法是从原始数据出发,从样本中提取信息,相较于主观赋权方法得到的权数的偏差更小一些,更能反映众多评价指标真实的重要程度。本文通过比较不同的客观赋权方法,阐述其主要缺陷及适用范围。关键词:综合评价系统;客观赋权方法 中图分类号:F222文献标识码:A 一、引言 综合评价系统是指运用多个指标对多个参评单位进行评价的综合指
一直关注我们的朋友们一定会发现，近期SPSSAU增添了很多新功能。我们精挑细选出6个最常使用的功能，介绍给大家，看看这些新功能你有没有解锁成功呢？01 一键删除无效样本“无效样本”功能中，添加了一键删除无效样本的按钮。筛选出无效样本后，你可以直接选中【删除无效样本】按钮，一键删除无效样本。当然，这样做可能有一些风险，因为删除操作无法恢复。也就是说一定要确保筛除出的样本确实是不符合研究
在上篇论文深度提升的万能方法：多属性决策 Ⅰ中，介绍完属性值的三种形式，我们继续回到第一步——决策信息的获取。属性权重的确定是多属性决策中的一个重要研究内容，近年来关于这方面的研究已受到人们的关注，并取得了较大进展。迄今为止，人们从不同的角度，提出了许多确定属性权重的方法，这些属性赋权法按照难度递增的顺序，大致可分为四类：客观赋权法、主观赋权法、组合赋权法，交互式赋权法。客观赋权法，
转载
2024-08-08 21:29:04
49阅读
## Python 多重赋值
### 介绍
在Python中，多重赋值是一种非常方便的技术，它允许我们在一条语句中同时为多个变量赋值。这使得代码更简洁、易读，并且在处理一些常见的任务时非常有用。
本文将帮助你了解多重赋值的流程和步骤，并提供相关的代码示例和解释。
### 流程图
```mermaid
journey
title Python 多重赋值流程
section 操
原创
2023-09-12 08:23:48
132阅读
随笔记录方便自己和同路人查阅。#------------------------------------------------我是可耻的分割线------------------------------------------- 多重赋值技巧是一种快捷方式，让你在一行代码中，用列表的值为多个变量赋值。不必一个下标一个下标的赋值。#--------------------------
转载
2023-05-27 14:49:39
61阅读
首先先来说明一下，主成分分析现在多用来进行数据的预处理，将大量数据进行降维处理后，再使用其他的算法进行进一步的分析，降维可以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。在实际的生产和应用中，降维在一定的信息损失范围内，可以为我们节省大量的时间和成本。降维也成为应用非常广泛的数据预处理方法。（这个方法一般需要结合SPSS使用）SPSS的使用方法：点击这里当然，如果要对数据进行降维处理，我
转载
2024-10-29 11:53:34
81阅读
使用赋值语句可以更新一个变量的值，最简单的赋值语句是将变量放在“=”左边，新值放在右边。x = 1 // 命名变量的赋值
*p = true // 通过指针间接赋值
person.name = "bob" // 结构体字段赋值
count[x] = count[x] * scale // 数组、slic
转载
2024-09-18 16:11:43
63阅读
1.列表多重赋值常规方法>>> cat = ['fat', 'black', 'loud']>>> size = cat[0]>>> color = cat[1]>>> disposition = cat[2]2.列表多重赋值技巧'''Python大型免费公开课，适合初学者入门加QQ群：579817333 获取学习资料及必备软件。'''>>> cat = ['fat', 'black', 'lou
转载
2021-07-22 09:07:26
949阅读
