61、Excel数据计算:假设分析与实际应用

Excel数据计算:假设分析与实际应用

1. 假设分析概述

假设分析是一种强大的工具,它允许我们探索改变输入值对工作簿中计算值的影响。例如,在健康管理场景中,Ken想通过假设分析来确定Daniel需要减掉多少磅才能达到更健康的体重。当前的健康标准表明,身体质量指数(BMI)在18.5到24.9之间被认为是“正常”范围。而Daniel的BMI是27.7,属于超重。因此,Ken想知道Daniel需要减掉多少磅才能将BMI降至24.9。

2. 试错法进行假设分析

试错法是进行假设分析的一种方法,通过改变一个或多个输入值来观察它们对计算结果的影响。这种方法需要一定的猜测,因为要估计改变哪些值以及改变多少。

以下是使用试错法确定Daniel达到BMI为24.9时的体重的步骤:
1. 在单元格C11中,将体重从193磅更改为183磅。此时,如单元格C19所示,Daniel的BMI从27.7降至26.3,他仍然被认为超重。
2. 如果要找到能使BMI精确达到24.9的体重,就需要继续尝试不同的体重值,逐步逼近正确的体重。这就是为什么这种方法被称为“试错法”。对于一些计算,试错法可能是一种非常耗时的寻找精确输入值的方法。

3. 使用Goal Seek进行假设分析

Goal Seek可以自动化试错过程,它允许我们为一个计算项指定一个值,Excel会据此确定达到该目标所需的输入值。在这个例子中,Ken想知道Daniel如何才能使BMI精确达到24.9(正常范围的上限),Goal Seek要回答的问题是:“达到该目标需要的体重值是多少?”Goal Seek从设定计算值开始,反向推导以确定正确的输入值。

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化训练,到执行分类及结果优化的完整流程,并介绍了精度评价通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值