一、RFM1、 RFM模型是众多客户关系管理（CRM）分析方法中的一种，能够方便快速有效的量化用户价值和创利能力。2、RFM模型有三个要素，分别是：Recency（最近一次交易距今时间）、Frequency（交易频率）、Monetary（交易金额）。R值（最近一次交易距今时间）用户最近一次交易距今的时间。间隔时间越短，则值越大，这类客户也是最有可能对活动产生反应的群体。F值（交易频率）用户在限定的
转载
2024-08-12 20:58:08
30阅读
将上学期的“气象雷达原理与系统”课程报告放到blog上。摘要线性调频（LFM）信号是应用广泛的一种波形，主要优点是脉冲压缩的形状和信噪比对多普勒频移不敏感，即在目标速度未知的情况下，用匹配滤波器仍可以实现回波信号的脉冲压缩，这将大大有利于雷达对目标的探测和信号处理效率的提高。本设计实现了对线性调频（LFM）脉冲压缩雷达的工作原理仿真，在MATLAB 平台中模拟一个叠加的线性调频回波信号，对该信号分
转载
2023-12-27 15:08:20
310阅读
PS：本文以官方文章的内容为主，并尝试加入一些自己的理解。3.1 对象(s)，价值(s)和类型(s)。对象是python绝对数据类型，所有python program中的数据,或者被对象所代表，或者被对象之间的联系所代表。(某种意义上，符合冯.诺依曼“可储存可编程计算机”的模型，code也可被对象代表)每一个对象都有一个identity，一个类型和一个值。一个对象的identity，一旦对象被创造
转载
2023-10-10 10:29:58
137阅读
一、CAPM 模型和公式参考作者：肖睿在量化课堂的文章CAPM 公式CAPM 公式是从以上模型框架推导出的数学表达式，它表达了任何风险资产的收益率和市场组合的收益率之间关系。在这个公式中，任何风险资产的收益率都可以被分为两个部分：无风险收益（利率）和风险收益（ββ 收益）。我们先看公式。定理（CAPM 公式）. 对于某一风险资产 S（可以把 SS想象为一种证
转载
2024-02-05 22:03:25
61阅读
# 实现面板模型的Python代码
在这篇文章中，我们将一起学习如何用Python实现面板模型。面板数据是一种包含多个个体（如公司、国家等）、在多个时间点上观测的数据类型。其在统计学和经济学中有广泛的应用。下面，我们会通过几个步骤来实现一个简单的面板模型，最终展示我们的结果。
## 内容流程
在开始之前，首先看一下我们要实现的步骤：
| 步骤 | 描述 |
| ---- | ---- |
原创
2024-10-16 07:04:06
171阅读
## 用Python创建OpenSees模型的科普文章
OpenSees是一种用于非线性结构分析的开源软件，它提供了一种高效的方法来模拟结构在地震等载荷下的行为。本文将介绍如何使用Python编写OpenSees模型的代码，并通过一个简单的示例来演示其用法。
### 什么是OpenSees？
OpenSees（Open System for Earthquake Engineering Si
原创
2023-12-10 09:05:36
1120阅读
数据包络分析DEA时，其研究投入产出效率情况，并且其假定投入和产出之间存在单调线性关系，其为一种线性规划技术来确定DMU相对效率的方法。但有时候会多出下‘非期望产出’，就是不希望有它产出，比如资金投入、教育投入换来了GDP上升和人口素质提升，但同时可能带来环境污染这个非期望产出项。在此种情况时，DEA模型则不满足单调线性关系要求。此时则需要使用非期望SBM模型，该模型由Tone(2001)提出。非
# ARIMA模型简介及Python实现
## 一、什么是ARIMA模型？
ARIMA（自回归积分滑动平均模型）是一种用于时间序列预测的统计模型。它结合了自回归（AR）和滑动平均（MA）两个方面，并通过积分过程来确保数据的平稳性。ARIMA模型广泛应用于经济、气象、金融等领域，以帮助分析和预测时间序列数据的未来趋势。
ARIMA模型的基本结构有三个参数：\(p\)、\(d\)和\(q\)：
TransH:将知识嵌入到超平面(Knowledge graph embedding by translating on hyperplanes)1.从TransE到TransH模型在之前的文章知识图谱-TransE模型原理中，我们介绍了TransE模型的基本原理，对于TransE模型而言，其核心思想为：h + r = t其中h时头实体向量，r是关系向量，t是尾实体向量。根据这个核心公式，我们不难
# MA模型的Python代码实现
在时间序列分析和预测中，移动平均（MA）模型是一个非常重要的工具。MA模型通过观察过去的误差来进行预测，适用于平稳时间序列的建模。本文将介绍MA模型的概念、Python代码实现，并通过实例来展示其应用。
## 1. MA模型概述
MA模型是定义在一个平稳随机过程中，通过历史误差项的线性组合来估计当前值的模型。在数学上，MA(q)模型的公式可以表示为：
\
摘要：通过金字塔池模块和所提出的金字塔场景解析网络(PSPNet)，利用基于不同区域的上下文聚合来开发全局上下文信息的能力。我们的全局先验表示可以有效地在场景解析任务上产生高质量的结果，而PSPNet则为像素级预测提供了一个优越的框架。我们提出了一个金字塔场景解析网络，将困难的场景上下文特征嵌入到一个基于FCN的像素预测框架中。提出了一种基于深度监督损失的深度ResNet优化策略。即辅助损失。总结
目录实验背景实验目的实验内容实验原理实验要求实验步骤微信公众号实验代码 实验背景LSTM（Long Short-Term Memory）是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。 LSTM区别于RNN的地方，主要就在于它在算法中加入了一个判断信息有用与否的“处理器”，这个处理器作用的结构被称为cell。 一个cell当中被放置了三扇门，分别
转载
2024-09-26 10:15:19
59阅读
灰色预测模型灰色预测模型是通过少量的、不完全的信息，建立数学模型做出预测的一种预测方法。基于客观事物的过去和现在的发展规律，借助于科学的方法对未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断。所需建模信息少运算方便建模精度高对于时间序列短，统计数据少，信息不完全系统的分析与建模，具有独特的功效既含有已知信息又含有未知信息的系统：灰色系统完全已知：白色系统完全位置：黑色系统将原始数据列中的
转载
2023-12-25 22:00:30
41阅读
grpc 简介gRPC是google推出的一款基于HTTP/2协议封装，使用protobuf3编解码消息体的开源rpc框架。rpc就是远程过程调用 （Remote Procedure Call）。简单地说，就是在本地调用远程服务器上的服务,gRPC基于以下理念： 定义一个服务，指定其能够被远程调用的方法（包含参数和返回类型）。在服务端实现这个接口，并运行一个 gRPC 服务器来处理客户端调用。在客
转载
2023-12-31 16:03:47
91阅读
文章目录1、导入工具包2、获取数据集3、数据预处理4、时间序列滑窗5、数据集划分6、构造网络模型7、网络训练8、查看训练过程信息9、预测阶段10、对比 LSTM 和 GRU 1、导入工具包如果没有电脑没有GPU的话就把下面那段调用GPU加速计算的代码删了import tensorflow as tf
from tensorflow import keras
from tensorflow.ker
转载
2023-09-27 18:49:18
34阅读
1.9 分布分布是ARCH模型的最后一项。1.9.1正态分布class arch.univariate.Normal(random_state=None)[source]ARCH模型中的标准正态分布bounds(resids)[source]Parameters:resids (ndarray) – 计算界限时使用的残差Returns:bounds – 包
转载
2023-09-06 17:13:46
98阅读
目录一、BS模块介绍 二、分析页面架构三、代码实现四、结果展示五、总结思路一、BS模块介绍 Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、
转载
2023-10-05 14:13:23
86阅读
大家经常会遇到一些需要预测的场景，比如预测品牌销售额，预测产品销量。今天给大家分享一波使用 LSTM 进行端到端时间序列预测的完整代码和详细解释。我们先来了解两个主题：什么是时间序列分析？什么是 LSTM？时间序列分析：时间序列表示基于时间顺序的一系列数据。它可以是秒、分钟、小时、天、周、月、年。未来的数据将取决于它以前的值。在现实世界的案例中，我们主要有两种类型的时间序列分析：单变量
转载
2023-08-17 01:27:11
23阅读
我正在使用Matlab函数Y = WGN(M,N,P)生成具有高斯分布的白噪声。 此功能使用功率值(dB瓦)来计算输出信号的幅度。 由于我想获得-1 V至1 V的输出幅度范围，因此有一个功能模式"线性"。我正在尝试使用"线性"模式来产生输出，但结果是输出幅度范围为[-4 4]RandomSignal = wgn(10000,1,1,1,'linear');Time = linspace(0,10,
转载
2024-01-18 23:30:07
65阅读
一、PO模式是什么？
1.1、页面对象模型(PO)是一种设计模式，用来管理维护一组web元素的对象库
2.2、在PO下，应用程序的每一个页面都有一个对应的page class
1.3、每一个page class维护着该web页的元素集和操作这些元素的方法
1.4、page class中的方法命名最好根据对应的业务场景进行，例如登录，
转载
2024-04-10 09:04:19
43阅读
