一、算法说明 PageRank即网页排名，也称佩奇排名（社会）。一些基本概念： 1、网页入链：即投票，网页中对其他网页的超链接作为其他网页的入链，相当于对其他网页投一票； &
转载
2024-03-25 16:23:09
109阅读
一、应用AHP层次分析法是一种解决多目标复杂问题的定性和定量相结合进行计算决策权重的研究方法。该方法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标之间能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较有效地应用于那些难以用定量方法解决的课题。二、操作SPSSAU操作（1）点击SPSSAU综合评价里面的‘AHP层次分析’按钮。如
转载
2024-03-21 21:18:46
107阅读
机器学习是时下流行AI技术中一个很重要的方向，无论是有监督学习还是无监督学习都使用各种“度量”来得到不同样本数据的差异度或者不同样本数据的相似度。良好的“度量”可以显著提高算法的分类或预测的准确率，本文中将介绍机器学习中各种“度量”，“度量”主要由两种，分别为距离、相似度和相关系数，距离的研究主体一般是线性空间中点；而相似度研
转载
2023-12-03 12:27:42
104阅读
文章目录一、理论基础1、鲸鱼优化算法(WOA)2、耦合中心游移和双权重因子的鲸鱼优化算法(C-A-WWOA)2.1 耦合中心游移初始化及边界邻域更新策略(C-WOA)2.1.1 耦合中心游移的初始化策略2.1.2 耦合边界邻域更新的修正策略2.2 耦合非线性收敛因子的改进策略(A-WOA)2.3 耦合双权重因子的随机更新策略(W-WOA)2.4 算法流程二、仿真实验与结果分析三、参考文献 一、理
转载
2024-09-26 22:19:21
260阅读
在数据分析过程中，某一分析结果可能不能通过数据直观的看出，而是需要把多个指标综合在一起进行评价从而得到最终结果。综合评价分析过程中，经常遇到的问题就是各个指标如何确定在总评分中所占比例，也就是权重。确定权重的方法有多种，这篇博文介绍比较简单的方法——目标优化矩阵表。（本篇博文参考《谁说菜鸟不会数据分析（入门篇）》）1. 什么是目标优化矩阵表？目标优化矩阵的工作原理就是把人脑的模糊思维，简化为计算机
转载
2024-04-01 17:23:10
47阅读
基本概念 线性模型是用属性的线性组合来进行预测的函数： 对于一个n维的数据$\mathbf{x}=\{x_1,x_2,…,x_n\}$，要学的一组权重$w_1,w_2,…,w_n;b$,使得预测结果为： 向量的形式是这样的 线性模型的权重可以代表每个属性所占有的比重，其中权值越大，代表这个属性越重要。所以线性的模型可以作为一种嵌入式的特征选择，使用它
转载
2024-06-12 22:10:10
206阅读
综合评价与决策方法综述理想解法方法和原理TOPSIS法的算法步骤例题参考文献 综述评价方法一般分为两类。一类是主观赋权法，多数采取综合咨询评分确定权重，如：综合指数法、模糊综合评价法、层次分析法、功效系数法等。另一类是客观赋权法，根据各指标之间的相关关系或各指标值变异程度来确定权数，如：主成分分析法、因子分析法、理想解法等。 目前，主要使用的评价方法有：主成分分析法、因子分析法、TOPSIS法、
转载
2024-05-27 15:18:36
0阅读
关于线性回归模型的由来以及定义的更涉及本质的深入的分析见 文章目录1. 线性回归问题的数学描述2. 最小均方算法（LMS, Least Mean Square）2.1. 只有一个样本的情况2.2. 多个样本的情况2.3. 线性回归的闭式解（解析解）3. 线性回归模型的概率解释3.1. 线性回归模型前提假设条件3.2. 损失函数为均方误差的证明 1. 线性回归问题的数学描述记为n维的输入特征，为参数
转载
2024-04-08 12:25:55
129阅读
探究Lucene计算权重的过程我们知道，影响一个词在一篇文档中的重要性主要有两个因素：1 term frequency (tf):该词在当前文档出现了多少次，tf越大，说明越重要。2 document frequency (df):有多少文档包含该term,该词越大说明太普通了，越不重要。比如solr一词在文档中出现次数很多，说明这篇这篇文档主要是跟solr有关的；那比如the this it w
转载
2024-05-16 10:14:09
112阅读
本章内容
Lucene默认评分公式是如何工作的。
什么是查询重写。
查询二次评分是如何工作的。
如何在单次请求中实现批量准实时读取操作。
如何在单次请求中发送多个查询。
如何对包括嵌套文档和多值字段的数据排序。
如何更新已索引的文档。
如何通过使用过滤器来优化查询。
如何在ElasticSearch的切面计算机制中使用过滤器和作用域。2.1 A
转载
2024-07-09 15:41:13
42阅读
2022-11-09 19:38:20 星期三目的平时需要核查二代 DNA 数据检出的胚系变异是否可信，需要反复的打开 igv ，核查变异位置及相关条件，才能判断变异真假程度。此过程重复聒噪，当 igv 加载缓慢时尤为费时，而且人的判断可能带有主观意识，不能保证每次判断结果完全一致，特别面对不太确定变异。思路搜集评定变异可信度所需的证据项，给与每个证据项符合逻辑规律的加减分机制，最终得分越高，变异
### Python 如何设置权重系数
在数据分析和机器学习的领域，设置权重系数是一项常见的任务，它可以帮助我们根据不同的条件或重要性对数据进行加权处理。本文将通过一个实际例子来说明如何在Python中设置权重系数，以便更好地分析数据和制作预测模型。
#### 问题背景
假设我们正在分析一组学生的考试成绩，以确定哪些因素（例如：学习时间、作业完成情况、课堂参与度等）对最终成绩的影响最大。我们
原创
2024-08-19 07:59:47
99阅读
1.线性回归概述实例：数据：工资和年龄（2个特征）目标：预测银行会贷款给我多少钱（标签） 考虑：工资和年龄都会影响最终银行贷款的结果那么它们各自有多大的影响呢？（参数） X1,X2就是我们的两个特征（年龄，工资）Y是银行最终会借给我们多少钱 找到最合适的一条线（想象一个高维）来最好的拟合我们的数据点 误差： 真实值和预测值之间肯定是要存在差异的（用 来表示该误差）
转载
2024-07-23 06:41:02
62阅读
【题目描述】 给定一棵n个点的树，点带点权。 有m次操作，每次操作给定x,y，表示修改点x的权值为y。 你需要在每次操作之后求出这棵树的最大权独立集的权值大小。 1<=n,m<=10^5这一道题，其实就是在没有直接上司的舞会这一题中加上一个修改操作，难度也从一个普通的黄题直接升到黑题 如果是像原来那样的暴力，在树退化到链以后会被卡到O(N^2) 再想想，有什么树形结构每次修改+查找仅有
转载
2024-10-30 20:07:21
18阅读
正则化能减少过拟合，那么有哪些方法呢？我们来看一下：1.1 cost function加上正则项L2 regularization即在 cost function 加上 L2 norm:
∑θ2L1 regularization即在 cost function 加上 L1 norm:
∑∥θ∥1.2 weight decayL2 norm regularization 也叫 权重衰
转载
2024-04-11 20:04:31
115阅读
是通过研究变量间的相关系数矩阵，把这些变量间错综复杂的关系归结成少数几个综合因子，并据此对变量进行分类的一种统计方法，归结出的因子个数少于原始变量的个数，但是他们又包含原始变量的信息，所以也称为降维特点：探索数据，当变量之间存在高度相关性的时候我们希望用较少的因子来概括其信息简化数据，把原始变量转化为因子得分后，使用因子得分进行其他分析综合评价，通过每个因子得分计算出综合得分后，对分析
转载
2024-04-10 10:26:04
35阅读
Attention注意力机制与self-attention自注意力机制概述Attention注意力Attention注意力用我们比较好理解的说法就是：输入进来一行序列（一句话），我们总能从这句话中找到并聚焦到重要的信息上，而忽略大多不重要的信息。权重越大，就越聚焦关注其权重对应的value的值上，权重代表信息的重要程度，Value则是其对应的信息。 Attention机制的具体计算过程，可以将其归
转载
2024-06-29 20:43:29
305阅读
# 灰色关联分析与权重系数的确定
## 什么是灰色关联分析？
灰色关联分析（Grey Relational Analysis，GRA）是一种用于研究系统各因素之间关联关系的量化分析方法。它通过对数据进行处理，揭示不同变量之间的相似度，从而判断它们之间的关联强弱。在许多实际应用中，灰色关联分析被广泛应用于决策、预测和评估等领域，特别是在不完全信息系统中。
## 灰色关联分析的基本步骤
灰色关
原创
2024-09-22 05:59:20
215阅读
1、什么是相关度排序Lucene对查询关键字和索引文档的相关度进行打分，得分高的就排在前边。1.1 如何打分Lucene是在用户进行检索时实时根据搜索的关键字计算出来的，分两步： 1、计算出词（term）的权重。 2、根据词的权重值，计算文档相关度得分。 明确索引的最小单位是一个Term（索引词典的一个词），搜索也是从term中搜素，再根据term找到文档，term对文档的重要性成为权重，影响te
转载
2024-09-03 21:17:41
34阅读
# 使用Python实现变异系数权重的计算
# 概述
变异系数（Coefficient of Variation, CV）是统计学中一个重要的指标，用来衡量数据的离散程度。权重的确定常常依赖于数据的相对变异性。这篇文章将引导你通过Python实现变异系数来确定权重的整个过程。
## 流程概述
下面的表格展示了实现变异系数权重的主要步骤：
| 步骤 | 描述 |
