- 博客(9)
- 收藏
- 关注
RSS订阅
原创 Jupyter notebook--配置与使用【安装过程+环境配置+运行实例】
Jupyter Notebook 是一个开放源代码的 Web 应用程序，它允许创建和共享包含实时代码、方程式、可视化和叙述性文本的文档。
2024-09-10 00:26:50
18434
8
原创 评价决策类--层次分析法【数学建模+举例分析+真题讲解】
层次分析模型（AHP）是一种系统化的多准则决策分析方法，适用于需要在多个相互冲突或互补的准则下做出决策的情景。它通过构建层次结构来明确决策目标、准则和备选方案，并使用0~9标度法进行两两比较来确定各准则和方案的相对重要性，进而通过一致性检验保证比较的一致性。层次分析模型适用于各种复杂决策问题，如项目选择、资源分配、供应商选择等，特别是在需要整合定性和定量信息，以及涉及多个决策者意见的情况中尤为有效。
2024-09-01 00:47:13
5515
1
原创 深度学习--从零实现线性回归【数据流水线+模型+损失函数+小批量梯度下降】
为了展示每个代码块的输出，本文在jupyter notebook编译环境进行编写代码，还不知道怎么配置的友子们可以看看前面的帖子。配置完成后可以跟着一起操作，本文附带源码。
2024-09-21 12:13:12
1409
原创 评价决策类--层次分析法+数学建模+实战分析
评价决策类题目常见的算法就是层次分析法，下面文章将带大家走进AHP，从了解认识到运用实战，为数学建模比赛加油，后续还会更新TOPSIS、灰色关联分析、遗传算法，边学习，边查资料，边分享经验，希望大家有所收获。
2024-08-30 16:49:00
3146
原创 计算机视觉（YOLO知识扫盲）
YOLO模型以其实时性和高效性，在物体检测任务中占有重要地位，特别是在计算资源受限或需要高帧率检测的应用中表现尤为出色。
2024-08-28 00:24:13
1407
原创 数学建模(手写KMeans聚类算法)--超详细解释及运用
KMeans算法在众多领域都有广泛应用，因其简单高效而成为数据挖掘和机器学习中进行聚类分析的首选工具之一。它可用于客户细分以理解不同用户群体的行为模式；图像分割来简化图像处理任务；异常检测以识别不符合常规模式的数据点；以及作为推荐系统的一部分，帮助发现用户的偏好模式等。KMeans聚类算法是一种无监督学习方法，旨在将数据集划分为K个簇（clusters），使得每个数据点归属于与其最近的簇中心（质心）的那个簇，其目标是最小化各簇内数据点到簇中心的距离平方和。
2024-08-25 23:06:56
3631
2
原创 数学建模(多分类问题)
多分类问题是机器学习中的一种常见任务，其目标是将输入数据分配到三个或更多预定义的类别之中。解决这类问题的方法包括一对一（One-vs-One, OvO）和一对多（One-vs-All, OvA 或 One-vs-Rest, OvR）策略，前者通过构建多个分类器来比较每对类别，后者则是为每个类别构建一个分类器以区别该类别和其他所有类别。这些技术有助于从给定的训练数据集中学习分类模型，并在新的未知数据上进行准确的预测。
2024-08-23 23:13:27
1521
原创 数学建模(多项式回归)
又来按时更新帖子啦，现在学习一个更复杂(也就复杂一丢丢)的模型啦，多项式回归，还是一样，带大家了解多项式回归，如何建立模型，如何运用模型，如何使用这个模型来拟合自己的数据集，如何做出预测。代码解析超级详细，适合建模新手学习#
2024-08-20 00:12:07
1598
1
原创 数学建模（简单线性回归分析）
数学建模就是用数学语言和方法来描述、理解和解决现实世界中的问题的过程，建立基本的数学模型，来做一些分析和预测的工作。明确问题：首先要清楚地定义要解决的问题是什么。收集数据：找到与问题相关的数据，比如过去的销售记录、市场调研结果等。建立模型：用数学公式或算法来描述这些数据之间的关系。求解模型：通过计算找出最优解或者预测结果。验证模型：将模型的预测结果与实际情况进行比较，看看是否准确。改进模型：根据验证的结果调整模型，使其更加贴近实际情况。
2024-08-18 23:24:01
1079
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人