<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[FightingBob的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/FightingBob</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; FightingBob]]></copyright><item><title><![CDATA[数理知识：偏t分布]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/122654643</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/122654643</guid><author>FightingBob</author><pubDate>Sun, 23 Jan 2022 17:59:28 +0800</pubDate><description><![CDATA[Hello，大家好！最近有在学习一些有关偏态分布的数理知识，但在搜偏ttt分布的相关资料的时候感觉比较散，所以做个整理，主要参考的书籍是Azzalini在2014年出版的一本有关偏态分布族的书《The Skew-Normal and Related Families》，大家可以文末获取，有哪里理解不对的地方，还请各位大佬多多指正。
目录偏ttt分布定义资源获取
偏ttt分布定义
偏ttt分布的生成，可以通过调节ttt分布的尾部厚度来实现，那么我们先来写下ttt分布的概率密度函数
t(x;ν)=Γ(ν+12)]]></description><category></category></item><item><title><![CDATA[R语言：感知机模型（二）]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/119465022</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/119465022</guid><author>FightingBob</author><pubDate>Fri, 06 Aug 2021 23:12:24 +0800</pubDate><description><![CDATA[Hello，大家好！今天给大家分享的是感知机模型的对偶形式，这篇发完后第二章感知机就结束了，后续会直接跳到第七章支持向量机；另外理论推导和证明大家直接看书（文末可获得电子书），就不再抄一遍了，只写算法思路和代码实现。
算法：感知机学习算法的对偶形式

李航《统计学习方法》（第2版）P44——算法2.2

输入：线性可分的数据集T={(x1,y1),(x2,y2),…,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),\dots,(x_N,y_N)\}T={(x1​,y1​),(x2​,y2​)]]></description><category></category></item><item><title><![CDATA[R语言：感知机模型（一）]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/119296091</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/119296091</guid><author>FightingBob</author><pubDate>Sun, 01 Aug 2021 11:36:25 +0800</pubDate><description><![CDATA[Hello，大家好！最近事情太多，导致这次停更时间有点长了，但是经过了这半年的学习，也学了不少东西，思考后决定，先把李航的《统计学习》这本书上的算法一一代码实现一下，来检测一下是否真的学会了，所以先分享给大家的是第二章：感知机模型！

因为网上python的实现比较多，以及我最近用R比较多，所以本文的代码实现用R来写，python后续再找时间补上！

目录算法：线性可分支持向量机学习算法R语言代码：效果展示资源获取
算法：线性可分支持向量机学习算法

李航《统计学习方法》（第2版）P39——算法2.1

输]]></description><category></category></item><item><title><![CDATA[Python：SEIR传染病模型]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/115643325</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/115643325</guid><author>FightingBob</author><pubDate>Mon, 12 Apr 2021 22:30:38 +0800</pubDate><description><![CDATA[Hello，大家好！好久没有更新了，今天给大家介绍一个非常经典的模型——SEIR传染病模型！
SEIR传染病模型模型介绍S、E、I、R代表的含义模型建立变量解释建立微分方程转化迭代形式Python实现总结获得源代码
模型介绍
传染病的基本数学模型，研究传染病的传播速度、空间范围、传播途径、动力学机理等问题，以指导对传染病的有效地预防和控制。常见的传染病模型按照传染病类型分为 SI、SIR、SIRS、SEIR 模型等，按照传播机理又分为基于常微分方程、偏微分方程、网络动力学的不同类型。
S、E、I、R代表的含]]></description><category></category></item><item><title><![CDATA[R语言：Newton法、似然函数]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/110356731</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/110356731</guid><author>FightingBob</author><pubDate>Sun, 29 Nov 2020 22:51:20 +0800</pubDate><description><![CDATA[hello，大家好，上一篇分享了如何用R语言实现蒙特卡洛模拟，并用蒙特卡洛模拟计算了分布的均值和方差，今天给大家分享如何用R语言来进行矩估计和似然函数的求解。
因为在求解矩估计和似然函数时，可能会遇到非线性方程组，所以先给大家介绍一下如何用Newton法来求解非线性方程组。

本文所涉及的前两道例题来自于《R统计建模与R软件》——薛毅、陈立萍编著。

目录Newton法例1：求解方程组矩估计例2：设总体XXX服从二项分布B(k,p)B(k,p)B(k,p)，其中k,pk,pk,p为未知参数，X1,X2,…,]]></description><category></category></item><item><title><![CDATA[R语言：蒙特卡洛模拟]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/109694130</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/109694130</guid><author>FightingBob</author><pubDate>Sat, 14 Nov 2020 18:06:56 +0800</pubDate><description><![CDATA[hello，大家好，今天带给大家的是一种计算机模拟的方法——蒙特卡洛模拟（Monte Carlo）。这是一种基于概率统计模型所衍生的一种计算机模拟的方法，而它的原理就是概率论中所涉及的“大数定律”，也就是在实验次数非常多时，频率会依概率收敛，即频率非常接近概率。
蒙特卡洛模拟的基本思路可以归纳为三步：构造问题的概率模型-&gt;从已知概率分布中抽样-&gt;建立所需的统计量。后面我会用两个例子来做详细的解释。因为本人后续的学习内容要以R语言为主，因此这两个例子我都是基于R语言来实现的。
例1 蒙特卡洛模拟求]]></description><category></category></item><item><title><![CDATA[用python实现遗传算法]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/109300921</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/109300921</guid><author>FightingBob</author><pubDate>Mon, 26 Oct 2020 22:49:01 +0800</pubDate><description><![CDATA[Hello，大家好！最近事情比较多，一个月没有写公众号了，但也积累了些不错的内容可以分享，今天就给大家介绍的是遗传算法，并用python加以实现。
在遗传算法的学习过程中，在优快云上看到一篇已有人分享的python代码，因此直接借鉴过来，并结合《数学建模与数学实验》进行补充。（电子书和原博主链接见文末）
遗传算法目录遗传算法介绍操作思路初始化编码个体评价选择交叉变异Python实现初始化编码个体评价选择变异交叉：单点交叉&amp;两点交叉参考资料获得代码
遗传算法介绍
遗传算法（Genetic Algor]]></description><category></category></item><item><title><![CDATA[一个简单实用的评价模型——TOPSIS理想解法]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/108337311</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/108337311</guid><author>FightingBob</author><pubDate>Tue, 01 Sep 2020 12:09:34 +0800</pubDate><description><![CDATA[​Hello！大家好，今天给大家介绍的是一个非常简单实用又好理解的评价模型——TOPSIS理想解法。本次案例的理论知识和数据均来自于《数学建模与数学实验》这本书，如果有想看该书的小伙伴，可在公众号中回复“《数学建模与数学实验》”（注意要打“《》”），即可获得该书的电子版，废话不多说，咱们直接进入正题。
TOPSIS理想解法TOPSIS原理基本原理算法步骤Python代码实现获得代码
TOPSIS原理
基本原理
（1）将n个评价指标看成n条坐标轴，由此可以构造出一个n维空间，则每个待评价的对象依照其各项指标的]]></description><category></category></item><item><title><![CDATA[查看R函数源代码]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/108051343</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/108051343</guid><author>FightingBob</author><pubDate>Mon, 17 Aug 2020 10:52:47 +0800</pubDate><description><![CDATA[在学习R的过程中，当你能够顺利的使用一些R各个包提供给你的函数以后，是否会让你想看一看具体这个过程是如何实现的呢？

&nbsp;

&nbsp;&nbsp;&nbsp;&nbsp;我属于这种抱有浓厚兴趣的人之一，而且我也知道在使用R时间稍微长一点的用户中，想看看函数代码的人，不是少数；甚至有这么一些人，他们非常希望通过这些 成熟package中的函数学习如何编写自己的函数，实现自己的算法，达到自己的目的。同时，阅读这些函数代码确实是学习R最好的材料之一，尤其当国内尚 没有相应书籍资料介绍的时候。手册、帮.]]></description><category></category></item><item><title><![CDATA[用Python来审核，解放你的眼睛]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/107514694</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/107514694</guid><author>FightingBob</author><pubDate>Wed, 22 Jul 2020 15:51:56 +0800</pubDate><description><![CDATA[Hello，大家好！前一段时间跟一位银行的朋友吃饭，听到她吐槽各部门数据冗杂，数据量又大，每次审核都极为繁琐，眼睛都看瞎了。那么今天就给大家介绍常用的字符串查找语句来做一个简易的审核系统，来减轻大家的工作量。
关键字筛选第一部分：方法介绍第二部分：代码实现总结获得代码
以下是全世界各个地方的地址，我们可以粗略看出，非常的不规范，中英文混杂，有拼音有汉字，大小写组合，等等，3万多条数据，像极了平时审核的数据，今天我们的目标就是从中挑出中国的地方。

首先，要确定我们的思路，含有中国地方（不论是拼音还是汉字）的]]></description><category></category></item><item><title><![CDATA[“特质波动率之谜”（Idiosyncratic Volatility），用Python计算特质波动率]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/106791144</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/106791144</guid><author>FightingBob</author><pubDate>Tue, 16 Jun 2020 17:40:15 +0800</pubDate><description><![CDATA[Hello，大家好，今天给大家介绍的是有关于“特质波动率”度量的相关内容。曾在写本科毕业论文时有所涉及，当时看了好多资料，发现它还有很多研究空间，并且由Ang所提出的“特质波动率之谜”的现象至今也未有合理的解释。所以今天就给大家用python对“特质波动率”进行计算。
特质波动率“特质波动率之谜”的介绍特质波动率的度量方法Python代码相关文章获取代码
“特质波动率之谜”的介绍
风险与收益一直是金融学中形影不离的两个概念。经典的CAPM模型，只考虑了系统性风险，认为股票预期收益率只与市场风险溢价有关。直到]]></description><category></category></item><item><title><![CDATA[Python Selenium爬虫基础手册（一）]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/106456603</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/106456603</guid><author>FightingBob</author><pubDate>Sun, 31 May 2020 16:20:15 +0800</pubDate><description><![CDATA[Hello！大家好，好久没有更新爬虫类的文章了，今天给大家带来一篇基础文章，介绍Selenium的一些基础操作，为我们以后爬虫做基础！]]></description><category></category></item><item><title><![CDATA[绘制火山图&热图]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/106161956</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/106161956</guid><author>FightingBob</author><pubDate>Sat, 16 May 2020 17:26:01 +0800</pubDate><description><![CDATA[在上一篇文章中，我们已经对基因进行了差异分析，接下来我们根据结果中的FDR值和FC值筛选出上调基因和下调基因，并绘制成火山图与热图。]]></description><category></category></item><item><title><![CDATA[运用limma对基因进行差异分析]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/104814298</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/104814298</guid><author>FightingBob</author><pubDate>Sat, 09 May 2020 14:56:25 +0800</pubDate><description><![CDATA[此次案例我们是要比较ARID1A这个基因突变与不突变两亚类肝癌病人哪些基因的表达存在差异（寻找差异基因）。]]></description><category></category></item><item><title><![CDATA[将pycharts导出为png图片]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/105874500</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/105874500</guid><author>FightingBob</author><pubDate>Fri, 01 May 2020 10:00:18 +0800</pubDate><description><![CDATA[前几天，有一个朋友对我说，pycharts做的图片好看是好看，但是没办法保存图片，感觉用起来不方便，我立马回答道，截图呗！

所以今天给大家介绍一下如何通过snapshot-selenium将pycharts做出的图导出为png格式。
首先，先从https://pypi.org/project/snapshot-selenium/#files
下载下snapshot-selenium包

然后将下...]]></description><category></category></item><item><title><![CDATA[TCGA数据库的利用（三）——基因注释！]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/105825514</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/105825514</guid><author>FightingBob</author><pubDate>Tue, 28 Apr 2020 22:17:05 +0800</pubDate><description><![CDATA[最近做了跟TCGA相关的项目，借此机会也认识了zeroing说的作者，参考了他的两篇文章：
TCGA数据库的利用（一）—— 数据下载！
TCGA数据库的利用（二）—— 数据处理！
但在实际的操作中，也发现了第二篇文章中的一些小问题，因此将其转载到公众号后稍加改进，但是基因注释这部分中，第三方包的安装方法似乎已无法使用，因此记录下来，分享给需要的小伙伴们。
在旧版本中，“clusterProfile...]]></description><category></category></item><item><title><![CDATA[超简单、超实用的统计方法——因子分析]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/105518763</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/105518763</guid><author>FightingBob</author><pubDate>Tue, 14 Apr 2020 19:11:56 +0800</pubDate><description><![CDATA[大家好！今天给大家带来一个非常简单、实用的统计方法——因子分析，这个方法适用面非常广，无论商科、工科、理科都能用来研究分析。一起来看看吧！]]></description><category></category></item><item><title><![CDATA[你知道吗，我国的工资收入水平是平等的！（基尼系数）]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/105302781</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/105302781</guid><author>FightingBob</author><pubDate>Fri, 03 Apr 2020 23:00:07 +0800</pubDate><description><![CDATA[让我们用基尼系数来看看我国的收入水平吧！一篇基尼系数，教你学会python拟合]]></description><category></category></item><item><title><![CDATA[数据分析---Fama-French三因子模型]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/105234102</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/105234102</guid><author>FightingBob</author><pubDate>Tue, 31 Mar 2020 22:44:11 +0800</pubDate><description><![CDATA[短短二十行，只需两个库，就能构建Fama-French三因子模型，快来看看吧！]]></description><category></category></item><item><title><![CDATA[数据分析---疫情数据可视化（地图）]]></title><link>https://blog.youkuaiyun.com/FightingBob/article/details/104867155</link><guid>https://blog.youkuaiyun.com/FightingBob/article/details/104867155</guid><author>FightingBob</author><pubDate>Sat, 14 Mar 2020 20:39:19 +0800</pubDate><description><![CDATA[数据分析---疫情数据可视化（地图）安装pyecharts库爬取所需要的数据（网上直接爬取数据）绘制全国地图绘制省份地图（以湖北省为例）在全国地图上加入湖北省数据导入数据（本地导入数据）获取代码
安装pyecharts库
pyecharts属于第三方库，需要从https://pypi.org/project/pyecharts/#files 手动下载安装
下载后，打开“Anaconda Comma...]]></description><category></category></item></channel></rss>