- 博客(17)
- 收藏
- 关注
RSS订阅原创 快速排序算法详解及matlab实现
快速排序是基于分治思想的高效排序算法，平均时间复杂度为O(n log n)，广泛应用于实际系统中。其核心为分区操作：选取基准值，将序列分为小于和大于基准的两部分，递归处理子序列。通过三数取中、插入排序优化等手段可有效避免最坏情况。尽管不稳定且最坏退化至O(n²)，但其卓越的常数因子使其在多数场景下表现优异。
2026-10-03 14:38:13
145
原创 如何评价一个算法模型
算法模型评价需要从多个维度综合考量。首先，预测准确率是基础指标，需根据任务类型选择合适的评价方法：分类任务需关注精确率、召回率、F1分数和AUC值；回归任务则侧重MSE、MAE和R²等误差指标。其次，计算效率评估包括时间/空间复杂度和实际运行性能测试。此外，模型的可解释性在高风险决策中尤为重要。评价时还需考虑训练/测试集划分、交叉验证等评估方法，避免数据泄露。最终应根据具体业务需求选择最适合的评价指标，而非单一追求最高数值。
2026-03-28 18:33:29
524
原创 深入浅出：全面解读AI算力——从核心概念到实际评估
本文系统梳理了人工智能领域的核心概念——算力。首先从算力的本质和"有效算力"概念入手，然后从计算任务类型、部署位置和数值精度三个维度对算力进行分类。重点介绍了AI加速卡的不同阵营及性能评价标准，特别分析了华为昇腾910C的技术参数。文章还探讨了从单卡到集群的算力扩展问题，以及软件生态对算力的重要影响。最后展望了算力发展的三大趋势：硬件制程、架构创新和软件优化。全文为读者构建了一个完整的算力知识框架，帮助理解AI计算能力的方方面面。
2026-03-10 21:34:37
1293
原创 有监督学习、无监督学习和半监督学习-机器学习的三种主要范式
有监督学习、无监督学习和半监督学习是机器学习的三种主要范式，它们的核心区别在于以及的不同。下面从定义、特点、常见算法和适用场景等方面详细说明它们的区别。
2026-03-09 11:46:03
529
原创 因子分析及SPSS实例分析
（Factor Analysis）是一种统计方法，旨在用少数几个潜在的、不可观测的因子去描述众多可观测变量之间的相关关系。它假设观测变量主要受到一些公共因子的影响，同时还有各自特有的特殊因子影响。例如，在研究学生的学习成绩时，可能存在如学习能力、学习态度等公共因子影响着各科成绩这些观测变量，而每科成绩又可能有其独特的比如该科目老师教学风格等特殊因子影响。
2025-02-16 08:40:47
4305
原创 支持向量机（svm）原理及实例
（support vector machine，简称SVM）是一种监督式学习的机器学习算法，主要用于分类和回归分析任务。它在分类问题上的表现尤为突出，其核心思想是找到一个最优的超平面（在二维空间中就是一条直线，三维空间中是一个平面，更高维度中就是相应的超平面概念），能够将不同类别的数据点尽可能清晰地划分开，并且使两类数据点到这个超平面的间隔最大化。
2025-02-05 09:29:59
1685
原创 大模型概念（附术语表）
大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。
2024-09-21 11:01:23
2464
原创 系统聚类及spss实例
系统聚类法（hierarchical cluster method）又叫“分层聚类法”。聚类分析的一种方法。其做法是开始时把每个样品作为一类，然后把最靠近的样品（即距离最小的群品）首先聚为小类，再将已聚合的小类按其类间距离再合并，不断继续下去，最后把一切子类都聚合到一个大类。
2024-06-10 14:14:13
3084
原创 K-means聚类分析及SPSS实现
k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。
2024-06-09 09:43:01
7673
4
原创 模糊综合评价
模糊综合评价法是一种基于模糊数学的综合评价方法，它根据模糊数学的隶属度理论，将定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象作出一个总体的评价。该方法具有结果清晰、系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。在模糊综合评价中，通常分有目标层和指标层，通过指标层与评价集之间的模糊关系矩阵（即隶属度矩阵）可以得到目标层对于评价集的隶属度向量，从而得到目标层的综合评价结果。
2023-10-14 15:42:39
1373
1
原创 BP神经网络算法及matlab实现
BP神经网络是一种按误差反向传播(简称误差反传)训练的多层前馈网络，其算法称为BP算法，它的基本思想是梯度下降法，利用梯度搜索技术，以期使网络的实际输出值和期望输出值的误差均方差为最小。（3）以激活函数转换后的隐层输出作为输出层输入，计算输出层输出（公式3-11）、激活函数转换后输出层输出ok（公式3-10）；（2）输入样本数据中自变量矩阵X，并计算隐层输出（公式3-13）、激活函数转换后隐层输出yj（公式3-12）；（7）判断误差是否满足要求，不满足则重新进行循环计算，满足输出矩阵；
2023-07-15 21:59:15
4822
7
原创 主成分分析法及spss实现
主成分分析（Principal Component Analysis，PCA）是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，其能反映出原始数据的大部分信息。一般来说，当研究的问题涉及到多变量且变量之间存在很强的相关性时，我们可考虑使用主成分分析的方法来对数据进行简化。降维是将高维度的数据（指标太多）保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。
2023-06-30 22:14:08
1485
原创 数据标准化（归一化）处理
算法计算过程中，往往需要收集大量的指标数据进行支撑，但每个指标的性质、量纲、数量级等特征，均存在一定的差异。针对涉及多个不同指标综合起来的评价模型，由于各个指标的属性不同，无法直接在不同指标之间进行比较和综合。所以要将不同指标转换为可比较、可综合相同指标，这一处理过程就是标准化，也称归一化。
2023-06-10 15:58:13
2042
原创 层次分析法原理及实例（AHP）
层次分析法（analytic hierarchy process），简称AHP，是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。
2023-05-13 13:36:30
28232
5
原创 蚁群算法在路径规划中的应用
路径优化问题，根据起始点与终点的不同以及运输线路的不同，可以分为多点间运输问题、点对点运输问题、单回路运输问题和多回路运输问题。点对点运输问题可以看作最短路径问题，即寻求两点间最短的通过路径；多回路运输问题即车辆路径问题（VRP）——在满足一定约束条件（时间约束、载重约束、距离越数等）的情况下，对于一系列的装货和卸货点，规划行车路径，从而达到最优目标。同时，该算法早熟性收敛的缺电可以通过分布式计算的特征来加以避免，而且，具有贪婪特征的启发式搜索蚁群系统还能够在搜索过程早期就找到可以接受的问题解。
2023-04-30 15:02:45
2238
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人