<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[SkyfromGD的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/SkyfromGD</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; SkyfromGD]]></copyright><item><title><![CDATA[从点乘角度理解傅里叶变换和小波变换]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/142449236</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/142449236</guid><author>SkyfromGD</author><pubDate>Sat, 28 Sep 2024 22:54:58 +0800</pubDate><description><![CDATA[对于我们平时接触到傅里叶变换和小波变换，不少人都会因为其复杂的公式而难以记忆、理解、使用，可如果我们从连续函数点乘的角度去理解，就很容易去理解傅里叶变换和小波变换。]]></description><category></category></item><item><title><![CDATA[Kalman filters]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/128838852</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/128838852</guid><author>SkyfromGD</author><pubDate>Tue, 14 Feb 2023 18:21:20 +0800</pubDate><description><![CDATA[帮助你完全弄懂卡尔曼滤波器的原理，会写程序，会建立模型]]></description><category></category></item><item><title><![CDATA[2021年第二届“大湾区杯”粤港澳金融建模竞赛B题解题思路和部分代码]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/121980980</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/121980980</guid><author>SkyfromGD</author><pubDate>Thu, 16 Dec 2021 19:05:29 +0800</pubDate><description><![CDATA[大湾区金融建模B题的思路和一些思考]]></description><category></category></item><item><title><![CDATA[2021中国高校大数据挑战赛A题复盘+解题思路]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/121649591</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/121649591</guid><author>SkyfromGD</author><pubDate>Wed, 01 Dec 2021 12:16:49 +0800</pubDate><description><![CDATA[2021中国高校大数据挑战赛A题解题思路和一些思考（非大数据专业本科生，计科专业）]]></description><category></category></item><item><title><![CDATA[基于RStudio的时间序列预测和计算(第二节)]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/117751885</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/117751885</guid><author>SkyfromGD</author><pubDate>Wed, 07 Jul 2021 21:26:44 +0800</pubDate><description><![CDATA[好啦，年更博主来了。上一节我们主要对时间序列的一些基于R的简单数据处理方式和操作方法进行了说明，这节，我们将会更深入地对时间序列预测和计算进行说明。
2.1对时间序列对象进行季节性分解
很明显，在我们进行数学建模竞赛的数据分析处理阶段，针对已经转化后的数据(时间序列对象)。我们必须知道该时间序列对象的特征：是否有周期，是否有随机性，是否有一些重要的影响因子等等.。接下来我将使用R对时间序列对象进行分解。
2.1.1使用stl()函数进行季节性分解
stl()函数，只需要安装相应的数据包或者你们主机安装的R语]]></description><category></category></item><item><title><![CDATA[贝叶斯决策及效用函数]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/117729686</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/117729686</guid><author>SkyfromGD</author><pubDate>Wed, 09 Jun 2021 08:59:07 +0800</pubDate><description><![CDATA[1.1贝叶斯决策的基本情况：
贝叶斯决策主要是决策，其理论基础和模型基础是全概率公式和贝叶斯公式。(具体可参考概率论课程的课本)
1.2 贝叶斯公式在贝叶斯决策中所起的作用：
(1)如果试验E有两个相关的试验E1，E2复合而成，E1有若干种可能的结果，E2在E1的基础上也有若干种可能的结果，如果已知和E2的结果有关某事件发生了，求和试验E1的结果有关事件的概率，可以用贝叶斯公式．试验E1的几种可能的结果就构成了完备事件组(贝叶斯决策中的重要基础条件)。
(2)如果把样本空间的一个划分A1,  A2,  …,]]></description><category></category></item><item><title><![CDATA[基于Rstudio的时间序列预测和计算(第一节)]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/116405058</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/116405058</guid><author>SkyfromGD</author><pubDate>Fri, 14 May 2021 12:25:12 +0800</pubDate><description><![CDATA[引言:
时间序列，又称动态数列。顾名思义，是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。涉及应用的领域非常广泛，譬如机器学习，统计学，数学建模等等。这篇文章将会以R中自带的康涅狄格州纽黑文地区从1912年到1971年每年的平均气温数据集(nhtemp)为例，进行时间序列的预测和计算。
1.数据的转化
在我们进行对时间序列的预测和计算之前，我们要清楚:我们手里的数据是来自数据集的，或者是通过不同的统计平台获取的，他们还不是对象，需要转化，R里的与时间序列有关的很多库函数，如HoltWinter]]></description><category></category></item><item><title><![CDATA[R语言学习笔记:重用，数据集及其相关]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/116139417</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/116139417</guid><author>SkyfromGD</author><pubDate>Sun, 25 Apr 2021 23:45:01 +0800</pubDate><description><![CDATA[1.结果的重用
简单来说就是我们在使用R语言分析，写算法，得出了一些结论，特殊数据，我们可以转手存储到一个对象里面，有些书上把这概括为“将输出用为输入”,接下来，我们尝试使用R中一些预先安装好的数据集作为例子说明这一点：
&gt; lm(mpg~wt,data=mtcars)           #利用本身固有的mtcars数据集进行一次简单线性回归
&gt; lmfit&lt;-lm(mpg~wt,data=mtcars)    #把数据存储到一个新建的对象lmfit

当然对mtcars进行线性回归，会]]></description><category></category></item><item><title><![CDATA[如何用Python编写一个简单的爬虫进行数据挖掘(基于Jupyter NoteBook)]]></title><link>https://blog.youkuaiyun.com/SkyfromGD/article/details/116074885</link><guid>https://blog.youkuaiyun.com/SkyfromGD/article/details/116074885</guid><author>SkyfromGD</author><pubDate>Sun, 25 Apr 2021 10:01:27 +0800</pubDate><description><![CDATA[如何用Python编写一个简单的爬虫进行数据挖掘(基于Jupyter NoteBook)
引言：
该文章将会从极其简略的角度去说明如何搭建一个爬虫对目标数据，有效信息进行挖掘，并且将小编在自学中遇到的一些问题进行引出和附上解决方案。本人为计算机科学与技术专业的在校大学生，数据挖掘和网络爬虫是自学的，若在一些专业术语和逻辑关系上表述不当，请多多见谅。
编写爬虫的基本思路：
1.获取页面。
2.解析网页。
3.存储数据。
具体操作：
1.打开Jupyter NoteBook：

2.新建NoteBook，选择P]]></description><category></category></item></channel></rss>