把之前发布在新浪的博客搬过来了，新浪广告太多，影响阅读和观感，博客园很清净~ SideFX于2015年1月在官网发布Houdini FX 14，喜爱尝鲜、充满好奇心的我迫不及待的装上Apprentice版，但是刚打开就提示 hkey.exe无响应，没法启动。。。后来发现原来是win7系统区域的问题，只要在管理中更改为英语（美国）再重启就可以打开了； 我从2010年开始接触Ho
模型选择holdout方法在典型的机器学习应用中，为进一步提高模型在预测未知数据的性能，还要对不同的参数设置进行调优和比较，该过程称为模型选择。指的是针对某一特定问题，调整参数以寻求最优超参数的过程。 假设要在10个不同次数的二项式模型之间进行选择： 1.hθ(x)=θ0+θ1x2.hθ(x)=θ0+θ1x+θ2x23.hθ(x)=θ0+θ1x+⋯+θ2x3⋯10.hθ(x)=θ0+θ1x+⋯
houdini确实不错，之后也会去研究houdini
模型基础 基本建模流程 模型阶段，一个是贴图阶段，最后一个是渲染阶段。 模型阶段的话我们一般会使用Maya、Max包括这些的建模软件去高效得到一个布线和精度相对于比较标准的模型。这个模型我们一般会以fbx的格式进行导出，导出之后我们会进入到贴图阶段。贴图阶段一般会用S
使用select来管理IOselect确定一个或者多个套接字状态。
转载
2012-10-09 23:48:00
105阅读
2评论
本文是Quantitative Methods and Analysis: Pairs Trading此书的读书笔记。预测问题的经典问法：我们有截至当前时间的历史时间序列数据，需要尽可能准确地预测下一个时刻的时间序列值。如果预测随机时间序列的话，就是使用ARMA模型去描述这些历史数据，估计出ARMA模型的参数，然后可以预测下一个时刻的值。解决预测问题的步骤：1.预处理；2.分析建模；3.预测。一、
哈哈哈哈 这个作者太有意思了，看开头我还真以为是发表的学术论文呢哈哈哈哈哈哈
image.png
原创
2022-03-18 10:32:33
215阅读
前面两篇文章, 我们先是通过三个非常简单的数学例子了解了机器学习的基本流程(训练, 预测). 接着为大家解释了为什么大家早就学会解方程了, 还需要用到机器学习技术. 我们接下来要讲的是机器学习算法怎样为我们在无数个可能的模型中找出最有可能正确的(最优的)那个模型.首先在上一篇文章中, 有朋友提问 "为什么认为找出来的模型是最优的，怎么判断它是不是最优的，依据是什么"机器学习没办法为我们找到百分百正
原创
2023-05-18 11:34:10
138阅读
建模的评估一般可以分为回归、分类和聚类的评估，本文主要介绍回归和分类的模型评估：一、回归模型的评估主要有以下方法：指标描述metrics方法Mean Absolute Error(MAE)平均绝对误差from sklearn.metrics import mean_absolute_errorMean Square Error(MSE)平均方差from sklearn.metrics import
PaliGemma 是 Google 开发的轻量级的具有多模态功能的视觉语言模型 (VLM)。 https://ai.google.dev/gemma/docs/paligemma?hl=zh-cnT checkpoints 预训练模型； Mix ch
迁移学习：物体识别模型可能含有数百万个参数，将耗费几周的时间去完全训练。因此我们采用迁移学习的方法，在已经训练好的模型（基于ImageNet）上调整部分参数（Inception_V3），实现自己数据集的分类。3种方法：方法1：无到有（从头开始训练）：自己准备好的数据，拿一个别的模型（inception模型），利用最最初始的参数重新开始训练一个属于自己数据集的模型【更改整个网络的参数】）方法2：改变
离散选择模型1.random utility model1.1 the multinomial logit(MNL)1.2 the multinomial probit(MNP)1.3 The nested multinomial logit model(NMNL)1.4 The exponomial choice model(EC)2. representative agent model3.
离散模型离散数：可数个 有限数、自然数…… 概率统计：离散型、连续型 模型：差分方程、整数规划、图论、… … 知识：离散数学 集合、代数、图论、逻辑 一、层次分析法 背景 日常工作、生活中的决策问题：多种方案进行选择多个旅游点的选择；毕业生工作选择；产品发展方向的选择；选择科研课题……比较判断时：人的主观选择起相当大的作用各因素的重要性难以量化美国数学家T
Select通信模型Select模型是Windows下几种网络通信模型中最基础的一种。它的“中心思想”就是使用Select函数，做到避免一个客户端连接一个线程的方式。作为最基础的网络通信模型，了解Select模型可以很好的对其它通信模型进行理解和优化。Select模型服务端界面：事件选择模型事件选择模型是Windows通信模型中的一种，它和异步选择模型的最大区别在于网络事件会投递至一个事件对象句柄
原创
2011-04-01 10:44:46
1329阅读
基础部分先确定二元选择模型的类型，通常有Probit模型、Logit模型、Extreme模型等，前面两种最常用。如果随机误差项服从标准正态分布，就用Probit模型；如果随机误差项服从逻辑分布，就用Logit模型。当然，事先也不知道随机误差项究竟服从何种分布，所以Probit模型和Logit模型任选一种即可，问题不是很大。二元选择模型是非线性模型，所以参数估计要用最大似然估计法(MLE)。如果模型
模型选择与验证模型选择XGB与LGB模型调参模型验证（K-fold）总结参考 模型选择经过前面EDA分析及特征工程，接下来就是建模过程。对于价格预测，是属于回归问题，现常用的回归模型有十三种：MLPRegressor，AdaBoost，Bagging，ExtraTree，LinearRegression，Ridge，SVR，KNNRegressor，Lasso，DecisionTree，XGBo
逆向选择：理论模型5.1 旧车市场上的逆选择（1）5.2 旧车市场上的逆选择（2）5.3 理论与现实的对照（1）5.4 理论与现实的对照（2）
原创
2021-08-02 16:03:50
1177阅读
我们将学习器对样本的实际预测结果与样本的真实值之间的差异成为：误差（error）。定义出来。定义如下：在过拟合问题中，训练误差十分小，但测试误差教大；在欠拟合问题中，训练误差和测试误差都比较大。目
原创
2022-06-09 01:22:06
133阅读
模型选择和改进 在前几篇博客中分别介绍了线性回归，逻辑回归。神经网络的一些知识。可是。假如你想要开发一个机器学习系统或者改进一个机器系统性能的时候该
原创
2022-01-07 15:11:25
44阅读
