<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[神奇海螺万岁]]></title><description><![CDATA[有啥人工智能不懂的，就问问神奇海螺吧]]></description><link>https://blog.youkuaiyun.com/minamto</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; minamto]]></copyright><item><title><![CDATA[详解神经网络的过程]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/124202495</link><guid>https://blog.youkuaiyun.com/minamto/article/details/124202495</guid><author>minamto</author><pubDate>Fri, 15 Apr 2022 20:53:36 +0800</pubDate><description><![CDATA[卷积神经网络流程]]></description><category></category></item><item><title><![CDATA[不对称加密rsa]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/119776937</link><guid>https://blog.youkuaiyun.com/minamto/article/details/119776937</guid><author>minamto</author><pubDate>Wed, 18 Aug 2021 11:48:52 +0800</pubDate><description><![CDATA[不对称加密rsa
《哆啦A梦》有一集叫《保密笔》

野比大雄给源静香写的信

在刚田武和骨川小夫看就是白纸

但是静香可以看到信的内容

动画中的内容，现实中早已实现
这个保密笔就是——RSA
RSA加密算法
RSA algorithm

RSA是1977年由罗纳德·李维斯特（Ron Rivest）、阿迪·萨莫尔（Adi Shamir）和伦纳德·阿德曼（Leonard Adleman）一起提出的。当时他们三人都在麻省理工学院工作。RSA就是他们三人姓氏开头字母拼在一起组成的
不对称加密
不对称加密算法使用两]]></description><category></category></item><item><title><![CDATA[手撕岭回归]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/116764758</link><guid>https://blog.youkuaiyun.com/minamto/article/details/116764758</guid><author>minamto</author><pubDate>Thu, 13 May 2021 20:26:48 +0800</pubDate><description><![CDATA[岭回归
在线性回归模型中，其参数估计公式为 β=(XTX)-1XTY ，当 XTX 不可逆时无法求出 β ，另外如果 |XTX| 越趋近于0，会使得回归系数趋向于无穷大，此时得到的回归系数是无意义的。解决这类问题可以使用岭回归
推导过程
线性回归的目标函数
J(β)=∑(y-Xβ)2
为了保证回归系数 β 可求，岭回归模型在目标函数上加了一个L2范数的惩罚项
J(β)=∑(y−Xβ)2+λ∣∣β∣∣22=∑(y−Xβ)2+∑λβ2J(\beta)=\sum{(y-X\beta)^{2}}+\lambda||]]></description><category></category></item><item><title><![CDATA[伴随矩阵和逆矩阵]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/115962968</link><guid>https://blog.youkuaiyun.com/minamto/article/details/115962968</guid><author>minamto</author><pubDate>Wed, 21 Apr 2021 16:53:15 +0800</pubDate><description><![CDATA[矩阵(线性回归中的应用)
我们在多元线性回归中使用了加减乘除之外的几个定义
上篇，请点手撕多元线性回归

零矩阵(null matrix)
行列式(determinant)
伴随矩阵(conjugate)
逆(inverse)

零矩阵(null matrix)
所有元素皆为0的矩阵
我们改造一下之前的类，除了用数组初始化之外，还可以用m和n(行和列)初始化
class Matrix {
  constructor(m, n) {
    if (Array.isArray(m)) { // 非数字用作数组]]></description><category></category></item><item><title><![CDATA[手撕多元线性回归]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/115770606</link><guid>https://blog.youkuaiyun.com/minamto/article/details/115770606</guid><author>minamto</author><pubDate>Fri, 16 Apr 2021 19:55:50 +0800</pubDate><description><![CDATA[多元线性回归
之前做了一元线性回归
但是影响因素往往不是一个，而是多个，有x1、x2、x3、……、xn
线性方程
方程也有多个未知数x以及相对应的系数β
y = β0 + β1x1 + β2x2 + β3x3  + … + βnxn + ε
矩阵式
大写的X和Y代表了x和y的集合
Y=[y1y2⋮yn]Y=\begin{bmatrix}y_1\\y_2\\\vdots\\y_n\end{bmatrix}Y=⎣⎢⎢⎢⎡​y1​y2​⋮yn​​⎦⎥⎥⎥⎤​
X=[1x11⋯x1p1x21⋯x2p⋮⋮⋱⋮1xn1]]></description><category></category></item><item><title><![CDATA[js实现矩阵]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/115640252</link><guid>https://blog.youkuaiyun.com/minamto/article/details/115640252</guid><author>minamto</author><pubDate>Mon, 12 Apr 2021 20:46:17 +0800</pubDate><description><![CDATA[矩阵
在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合
最早来自于方程组的系数及常数所构成的方阵，这一概念由19世纪英国数学家凯利首先提出。
多元计算时候，矩阵很常见
人工智能中，多元计算很常见，现在我们来实现一下矩阵的计算
代码实现
python代码numpy自己就有，但是我们现在给没有矩阵类的javascript添加一个矩阵类
/**
 * 数学矩阵
 */
class Matrix {
  constructor(arr) {
    this._arr = arr;
  }
  ]]></description><category></category></item><item><title><![CDATA[用模拟预测考研复试通过率]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/115152713</link><guid>https://blog.youkuaiyun.com/minamto/article/details/115152713</guid><author>minamto</author><pubDate>Wed, 24 Mar 2021 00:14:57 +0800</pubDate><description><![CDATA[考研复试了，我们尝试用数学方法算一下你的上岸成功率
概率
比如招生12人，初试上线的总共20人
按照概率，总共有C2012C_{20}^{12}C2012​种可能性
你上线，就是把你专门拿出来剩下的再组合一下，就是C1911C_{19}^{11}C1911​种可能性
所以你的上岸成功率是C1911C2012=19×18×...×1120×19×...×12=1120=55%\frac{C_{19}^{11}}{C_{20}^{12}}=\frac{19\times18\times...\times11}{2]]></description><category></category></item><item><title><![CDATA[手撕一元线性回归]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/114976686</link><guid>https://blog.youkuaiyun.com/minamto/article/details/114976686</guid><author>minamto</author><pubDate>Thu, 18 Mar 2021 14:14:31 +0800</pubDate><description><![CDATA[很多人对人工智能模型不了解
现在我们对一些简单的模型纯手工实现一下
理解了人工智能原理，后面的学习就会更容易了
一元线性回归
人工智能里，最容易让人理解的应该就是 回归 这个用xls都可以做
开篇必须说几个概念，早就懂和不愿意看的直接跳过

回归

回归，指研究一组随机变量(Y1 ，Y2 ，…，Yi)和另一组(X1，X2，…，Xk)变量之间关系的统计分析方法，又称多重回归分析
通常Y1，Y2，…，Yi是因变量，X1、X2，…，Xk是自变量


一元线性回归

回归分析只涉及到两个变量的，称一元回归分析
当Y]]></description><category></category></item><item><title><![CDATA[时间序列分析Nginx日志]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/114580887</link><guid>https://blog.youkuaiyun.com/minamto/article/details/114580887</guid><author>minamto</author><pubDate>Tue, 09 Mar 2021 13:48:41 +0800</pubDate><description><![CDATA[服务器上，Nginx的日志很常见
网络服务日志分析，是常见的一种分析。可以根据之前的访问量，预估之后的访问量，然后根据访问量决定服务器是增加配置和带宽，还是减少。并且结合用户注册以及支付还可以分析用户转化率和支付率。
我们现在就用时间序列分析一下Nginx日志
数据采集
现在是2021年，以免纠纷，我找了一个以前的2013年现在已经废弃的网站来做示例
压缩包
服务器基本都有备份功能，会按时或者按照尺寸保存一个zip(gz、tar)作为备份
Python自带 zipfile 组件，我们可以直接加载，并且可以得]]></description><category></category></item><item><title><![CDATA[时间序列预测2021年MBA国家线]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/114575636</link><guid>https://blog.youkuaiyun.com/minamto/article/details/114575636</guid><author>minamto</author><pubDate>Tue, 09 Mar 2021 10:34:15 +0800</pubDate><description><![CDATA[时间序列
之前的时间序列入门，很多人还是觉得不好理解
那么我们趁着出分的热度，专门做一下2021年国家线的时间序列预测把
考研MBA分数分析
MBA数值少，好理解
2009~2020年 MBA分数分析
预测2021年分数线

不见得准确，因为数据量太少，但是可以好好理解一下时间序列

我们把所有的功能只保留三部————

数据读取
模型构建
预测

数据读取
xls表mba.xlsx
import pandas as pd
df = pd.read_excel('./mba.xlsx', index_col]]></description><category></category></item><item><title><![CDATA[时间序列基础]]></title><link>https://blog.youkuaiyun.com/minamto/article/details/114550698</link><guid>https://blog.youkuaiyun.com/minamto/article/details/114550698</guid><author>minamto</author><pubDate>Mon, 08 Mar 2021 22:01:13 +0800</pubDate><description><![CDATA[时间序列
时间序列是通过以往数据对未来预测的一种方法
区别于回归，时间序列必须以时间为索引
因为时间为索引，就拥有了好多专门以时间为基准的各种处理方式
研究生报名时间序列分析
我们从研招网上找点现成的数据测试一下
研招网: https://yz.chsi.com.cn/
基本上各种数据都可以按照这个格式
数据
收集数据
我们收集数据保存一个xls

整理数据
注意，数据一定要设定特有的格式
比如，时间要设置时间日期格式

数值的部分也设置成数值格式
数据模型分析
现在只用《数据模型分析》的知识就可以看见我们]]></description><category></category></item></channel></rss>