沃·夏澈德的博客

逆向优化问题的核心思想是通过给定的实际数据来反推优化模型中的参数。这个例子展示了如何使用最小二乘法来根据实际的运输量数据推测最优的运输成本矩阵。这种方法可以广泛应用于许多领域，如定价、供应链优化、交通流量分析等。在这个例子中，我们通过求解最优传输问题，得到了一种从源分布到目标分布的最优运输计划。最优传输计划中的每个元素表示从源位置到目标位置的最优运输量，最小化了传输成本。通过该方法，我们能够有效地解决一些实际问题，如资源分配、货物运输、图像对齐等。

A是矩阵,维度[100,50,2]B的维度[2,50,100]

vscode默认设置是仅调试自己的代码，在遇到第三方的包时，即使选择跳入，也会自动跳到下行 代码，而不会跳入到第三方包的方法中。解决方法是把仅调试自己代码关掉即可。然后会进入一个设置文档，加上箭头那句就行了。随便打个断点，进入调试后，点击这里。...

继续记录分享。

在matlab中要计算两个矩阵的相关系数只需调用corr2（）即可，但 python中好像没有对等的函数（主要是我没找到），因此根据公式实现，并与matlab的结果对比，发现结果一致。公式matlab文档那截的：matlab代码： python代码：...

通过代码验证特征值分解的有效性与意义

在.md文件的源代码模式中如下，注意：参考文献那里的div不要写成代码块。## 正文巴拉巴拉巴拉巴拉，欸，这里要引篇文章[¹](#refer-id)。。。。## 参考文献<div id="refer-id"></div>[1]hahahha...

内容整理自百度百科kappa系数是一种衡量分类精度的指标。公式：k=po−pe1−pek=\frac{p_o-p_e}{1-p_e}k=1−pe​po​−pe​​其中，pop_opo​是每一类正确分类的样本数量之和除以总样本数，也就是总体分类精度 。C是类别总数，TiT_iTi​​是每个类别被正确分类的样本数.假设每一类的真实样本个数分别为a1,a2,…,aC，而预测出来的每一类的样本个数分别为b1,b2,…,bC总样本个数为n，po=∑i=1CTinp_o=\frac{\sum_{i=1