在有些系统中，存在大量相同或相似对象的创建问题，如果用传统的构造函数来创建对象，会比较复杂且耗时耗资源，用原型模式生成对象就很高效，就像孙悟空拔下猴毛轻轻一吹就变出很多孙悟空一样简单。原型模式的定义与特点原型（Prototype）模式的定义如下：用一个已经创建的实例作为原型，通过复制该原型对象来创建一个和原型相同或相似的新对象。在这里，原型实例指定了要创建的对象的种类。用这种方式创建对象非常高效，
R语言是一种用于统计分析和数据可视化的编程语言。它在数据科学领域广泛使用，可以处理各种类型的数据，并且有丰富的统计分析包。其中，Tobit回归模型是一种处理有限因变量（censored variable）的经典统计方法。本文将介绍如何使用R语言进行Tobit回归模型的建模和分析。
Tobit回归模型适用于因变量包含较多的被截断（truncated）或者被修剪（censored）的观测值的情况。被
原创
2024-01-25 12:35:02
1623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
目录1. 导入包2. 生成数据3. 训练数据4. 绘制图像5. 代码1. 导入包我们这次的任务是随机生成一些离散的点，然后用直线（y = w *x + b ）去拟合首先看一下我们需要导入的包有 torch 包为我们生成张量，可以使用反向传播matplotlib.pyplot 包帮助我们绘制曲线，实现可视化2. 生成数据这里我们通过rand随机生成数据，因为生成的数据在0~1之间，这里我们
转载
2024-04-25 07:14:11
1085阅读
@author：wepon本文介绍Softmax回归算法，特别是详细解读其代码实现，基于python theano，代码来自：Classifying MNIST digits using Logistic Regression，参考UFLDL。一、Softmax回归简介 关于算法的详细教程本文没必要多说，可以参考UFLDL。下面只简单地总结一下，以便更好地理解代码。 Softmax回归其实就相当于
文章目录项目背景量化方式具体的量化操作信道模拟、传输时延模拟所遇到问题 项目背景联邦学习虽然已经能够极大地降低在网络上所需要传输的数据量，但是在实际传输过程中，很容易受到“落后者”的影响。而如果抛弃“落后者”，那么神经网络受到的影响究竟有多大？ 采用量化传输，就是在原有torch的float16基础上，进行8bit甚至4bit量化，能否在不损失太多模型精度的条件下，减少通信所需的比特数。量化方式
1.简述遗传算法 元启发式算法（Meta-heuristic algorithms) 模拟进化过程，通过选择(Selection)、交叉(Crossover)以及变异(Mutation)等机制， 在每次迭代中都保留一组候选个体，重复此过程，种群经过若干代进化后，理想情况下其适应度达到***近似最优***的状态。 2.核心概念将自变量空间编码成染色体,对应的实例称为个体,开始类似于随机搜索,随机开始
转载
2024-10-18 17:44:18
118阅读
本文纯属学习总结，具体细节没有展开，还望各位有想法的大佬能提出宝贵意见，批评指正。To B类软件产品应用“阶段-关口模型”的场景1.产品周期长（半年以上）有时间做规划2.产品改变了B端的业务流确认各个部门都能接受改变，并愿意配合调研3.产品的数据来源于多个部门确认各个部门愿意协作，提供数据或者模板To B类软件产品应用“阶段-关口模型”的步骤1.输出概念描述文档1.获取信息方式：客户现场访问由于访
随着基于过程的作物生长模型(Process-based Crop Growth Simulation Model)的发展，R语言在作物生长模型和数据分析、挖掘和可视化中发挥着越来越重要的作用。想要成为一名优秀的作物模型使用者与科研团队不可或缺的人才，除了掌握对作物模型相关知识之外，还要掌握模型的快速模拟和高效数据分析能力。Decision Support Systems for Agrotechn
注：本博客旨在分享个人学习心得，有不规范之处请多多包涵！ 目录Vector 向量Matrix 矩阵List 列表结束语 Vector 向量简单来说，R语言中的vector是一个包含许多元素的一维数据结构，类似Python里的列表。下面的命令可以构造一个简单的R语言向量：#c()函数意思为connect，它把括号里的内容整合成一个vector或list
myVec1 <- c(1, 2, 3,
转载
2023-09-22 18:06:02
265阅读
在经济学中，技术效率是指在既定的投入下产出可增加的能力或在既定的产出下投入可减少的能力。常用度量技术效率的方法是生产前沿分析方法。所谓生产前沿是指在一定的技术水平下，各种比例投入所对应的最大产出集合。而生产前沿通常用生产函数表示。前沿分析方法根据是否已知生产函数的具体的形式分为参数方法和非参数方法，前者以随机前沿分析（StochasticFrontierAnalysis，下文简称SFA）为代表，后
转载
2023-06-20 16:02:56
326阅读
有几种方式来呈现程序的输出，数据可以以人类可读的形式打印，或者写到文件里面将来使用。本章我们将讨论这些可能性。7.1 输出格式到目前为止，我们遇到了两种方式来写值，表达式语句和print()函数。（第三种方式是用文件对象的write()方法，标准的输出文件可以被引用为sys.stdout）通常你希望对输出格式有更多的控制而不是简单的以空格分隔进行打印。有两种方式来格式化输出；第一种方式是所有的字符
转载
2024-08-13 08:48:46
56阅读
2.1介绍 DEA模型又称投入导向模型CCR，它基于规模报酬不变前提。2.2步骤 假设我们要计算一组n个决策单元（DMU），它可能是企业、政府部门、学校或医院等，这n个DMU的技术效率记为DMUj。  
转载
2023-07-12 22:58:36
244阅读
当您处理金融时间序列时，我们通常可以获得相对高频的观察结果。例如，每天进行观察是很常见的。事实上，现在可以获得每小时、分钟、秒甚至毫秒的观测值。相关视频使用的包有许多软件包可以使我们能够估计波动率模型。我们还将使用该 quantmod 软件包，因为它可以让我们轻松访问一些标准财务数据。数据上传在这里，我们将使用包提供的方便的数据检索功能（getSymbols） qua
转载
2024-02-05 09:11:41
8阅读
本文考虑一些ARCH(p)过程，例如ARCH(1)。其中有一个高斯白噪声 .> for(t in 3:n){
+ sigma2\[t\]=w+a1\*epsilon\[t-1\]^2+a2\*epsilon\[t-2\]^2
+ epsilon\[t\]=eta\[t\]*sqrt(sigma2\[t\])
+ }(红线是条件方差过程）。> acf(epsilon,lag=5
转载
2023-11-21 15:21:29
210阅读
模型评估：先算测试集误差接着用统计检验方法检验误差（泛化能力）到底成不成立。1、 经验误差如果在m个样本中有a个样本分类错误，则错误率为E=a/m，对应地精确度为1-a/m。实际预测输出与样本的真实值之间的差异成为“误差”。学习器在训练集在的误差成为“经验误差”。在新样本上的误差称为“泛化误差”。显然，泛化误差小的学习器是我们希望得到的。2、 评估方法测试集是用来测试学习器对新样本的判别能力，然后
转载
2023-06-20 16:03:09
263阅读
线性回归中模型选择的几个度量指标。1，R square统计量：度量回归模型的方差可解释部分。注意，只有往模型里面增加特征，就能够增加R square 统计量。2，F统计量：测试回归模型的整体显著性。如果F统计量较大，就可以拒绝所有系数为0的空假设。3，adjusted R square 统计量。对增加了R square 惩罚，当模型中特征较多时，做一个惩罚。4，Cp统计量：假定总共有K个特征。用其
转载
2023-08-17 07:32:52
0阅读
广义线性模型扩展了线性模型的框架，它包含了非正态的因变量分析广义线性模型拟合形式：$$g(\mu_\lambda) = \beta_0 + \sum_{j=1}^m\beta_jX_j$$$g(\mu_\lambda)为连接函数$. 假设响应变量服从指数分布族中某个分布(不仅仅是正态分布)，极大扩展了标准线性模型，模型参数估计的推导依据是极大似然估计，而非最小二乘法.可以放松Y为正态分布的假设，改
转载
2023-06-14 16:46:53
374阅读
序：这篇论文起初第一眼看的时候觉得没什么用处，后来CYY说这篇写的还是不错的，于是花了一天仔细看了看 就把文中一些比较重要的结论和思想列出来当作回忆1.1 读取某一位 pos: x>>pos&11.2 改变某一位 pos： 变为1：x|(1<<pos) 变为0：x&~(1<<pos) 取反：
转载
2024-06-16 10:28:13
126阅读
Logistic构建临床预测模型系列主要以一篇基于logistic回归构建预测模型的文章为例，从整理数据到构建预测模型，再到内部验证模型，包括了整理数据、随机数据拆分、基线描述、差异性分析、绘制ROC曲线并计算AUC值、HL检验及绘制校准曲线、构建列线图模型并绘制DCA曲线，基本涵盖了Logistic构建预测模型的全过程，敬请期待！列线图Nomogram：通过适当的数学变换将回归模型中的回归系数转
