- 博客(9)
- 收藏
- 关注
RSS订阅原创 数学建模---线性规划
在数学建模问题中，我们通常希望找到最优决策方案，使得收益最大或成本最小。本文通过一个具体的实例，演示如何使用Python的线性规划工具求解最优化问题。
2025-07-18 21:30:32
346
原创 深度学习--softmax回归的pytorch实现
本文介绍了Softmax回归的原理与实现，这是一种处理多分类问题的机器学习模型。文章详细讲解了Softmax函数的原理、交叉熵损失函数以及模型参数初始化方法，并提供了完整的PyTorch实现代码，包括数据加载、模型定义、训练过程和评估方法。虽然Softmax回归简单高效，但仅适用于线性可分数据，对于复杂分类问题可考虑更复杂的神经网络模型。
2025-07-16 16:40:46
352
原创 基于熵权法的模糊综合评价系统
本文介绍了一个基于熵权法的模糊综合评价系统，使用Python实现从Excel数据读取到智能评分的完整流程。系统通过指标分档统计、模糊矩阵构建、熵权法权重计算和综合评分四个核心步骤，实现了客观的多属性决策评价。文章详细讲解了算法原理和代码实现，并展示了示例运行结果。该系统具有客观性强、适应性好、实用性强等优势，适用于学生评价、产品质量评估等多种场景。通过熵权法自动计算权重，避免了主观偏见，为复杂评价问题提供了科学解决方案。
2025-07-16 12:31:10
812
原创 数学建模--topiss和熵权法的结合
本文详细介绍了TOPSIS和熵权法在数学建模中的应用。TOPSIS是一种基于理想解和负理想解的排序方法，熵权法则是基于信息熵理论的客观赋权方法。文章提供了完整的Python实现代码，包括数据正向化处理（极小型、中间型、区间型指标转换）、熵权法计算权重和TOPSIS综合评价等核心算法。通过数学原理讲解和伪代码说明，阐述了两种方法的计算过程：熵权法通过信息熵确定指标权重，TOPSIS通过计算方案与理想解的距离进行排序。最后以城市宜居性评价为例，展示了该方法在实际问题中的应用价值。该组合方法能有效解决多属性决策问
2025-07-15 21:29:40
352
原创 数学建模---topiss算法（评价决策类）
本文详细介绍了基于Python的多指标决策分析方法，可广泛应用于环境评估、经济规划等多个领域。增强用户输入校验，防止数据错误导致程序崩溃。增加数据可视化模块（如Matplotlib库），提高决策结果的可读性。在大型数据集上进行性能优化，如向量化运算减少循环。本方法适合Python初学者以及需要进行复杂多指标综合评价的读者快速上手使用，助力实际决策过程。
2025-07-15 10:21:21
1308
原创 数学建模--层次分析法--python
层次分析法（AHP）是Thomas Saaty提出的多目标决策方法，通过构建判断矩阵、一致性检验和权重计算辅助决策。本文详细介绍了AHP的三个核心步骤：建立判断矩阵（需满足互反性）、一致性检验（要求CR≤0.1）以及三种权重计算方法（算数平均、几何平均和特征向量法）。同时提供了完整的Python实现代码，包含矩阵特征值计算、一致性检验和三种权重求解方法。实例演示显示三种方法计算结果相近，其中特征向量法更具理论依据。AHP为复杂决策问题提供了系统化的分析框架，适用于各类决策场景。
2025-07-14 15:35:24
452
原创 深度学习--线性回归的简洁实现
pytorch提供了大量预先定义的层，我们只需要关注用哪些层来定义模型首先导入torch.nn模块，nn的核心是Module，我们的核心用法是继承nn.Module，撰写自己的网络，下面先来看如何用nn.Module实现一个线性回归模型super(LinearNet,self).__init__()#继承nnself.linear=nn.Linear(n_feature,1)#定义了一个线性层，有n_feature个输入特征，1是输出的结果数，是一个模块，是nn.Linear的实例！
2025-07-11 21:13:50
269
原创 深度学习--从零开始实现线性回归
return torch.mm(X,w)+b#矩阵的乘法以下的sgd函数实现了上一小节中介绍的小批量随机梯度下降算法。通过不断迭代模型来优化损失函数。这里的求梯度是一个批量样本的梯度和，我们将它除以批量大小来得到平均值for param in params:#params是参数误差的集合，这是在对每一个参数进行处理param.data-=lr*param.grad/batch_size#更新公式，parmam.grad表示梯度。
2025-07-11 15:07:01
212
原创 深度学习学习--线性回归的数学原理
经过多次迭代训练，我们最终得到了模型的参数值。使用这些参数，我们就可以利用该模型来预测其他房屋的价格。线性回归不仅可以应用于房价预测，还可以广泛应用于各类回归问题，如销售预测、气象预测等。希望通过本篇文章，你能够理解线性回归的基本原理，并能够应用于实际问题中。
2025-07-10 23:46:13
1060
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人