自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(29)
  • 收藏
  • 关注

原创 Philosophical Issues in Tourism(一)

Chapter 1 Philosophical Issues in TourismJOHN TRIBEIntroductionThe more I have studied tourism, the more I have been drawn to three questions that are perennial ones in philosophy. These are questions about truth, beauty and virtue. Indeed, I have made

2021-03-24 21:49:40 316

原创 book review----Philosophical Issues in Tourism (Aspects of Tourism)

Philosophical Issues in Tourism (Aspects of Tourism), J. Tribe (Ed.). Channel View Publications, Bristol (2009). pp. 272, £24.95, ISBN: 978-1845410964文章目录1. Truth2. Truth becomes beauty3. In beauty there is virtue4. (The missing) one?The eleventh century

2021-03-24 20:26:07 550 1

原创 Tourist Behaviour Themes and Conceptual Schemes--Chapter 1 Studying Tourist Behaviour

文章目录1 Studying Tourist Behaviour旅游行为研究Beyond the Personal Perspective 超越个人视角The Sin of Homogenisation 同质化之罪A Professional Approach: The Etic–Emic Distinction 专业方法:客位-主位区分Expressions within the Field 领域内的措辞Tourist Behaviour: To Whom Does It Matter? 游客行为:对谁

2021-03-23 11:19:13 2581 1

原创 Tourist behaviour: Themes and Conceptual Schemes

Chapter 8 Synthesis and Further AnalysisIntroductionThe amount of information on tourism topics flowing through the world’s multiple communication channels is daunting to the researcher, the student and the practitioner. Lew et al. (2004) observe that th

2021-03-18 10:42:56 756

原创 人大版统计学教材第六版学习笔记--第7章 参数估计

文章目录参数估计的基本原理估计量与估计值点估计和区间估计点估计区间估计评价估计量的标准一个总体参数的区间估计总体均值的区间估计总体比例的区间估计总体方差的区间估计两个总体参数的区间估计两个总体均值之差的区间估计两个总体比例之差的区间估计两个总体方差比的区间估计样本量的确定估计总体均值时样本量的确定估计总体比例时样本量的确定参数估计:在抽样及抽样分布的基础上,根据样本统计量来推断总体参数。参数估计的基本原理估计量与估计值比如我们想研究一批灯泡的平均使用寿命,很显然我们不能获取全部灯泡的寿命做平均,只能

2021-03-09 15:30:22 1649

原创 人大版统计学教材第六版学习笔记--第6章 统计量及其抽样分布

文章目录统计量概念常用统计量次序统计量充分统计量关于分布的几个概念抽样分布渐近分布随机模拟获得的近似分布由正态分布导出的几个重要分布χ2\chi^2χ2分布ttt分布FFF分布样本均值的分布与中心极限定理推断统计学:通过从总体中抽取样本构造适当的统计量,由样本性质去推断关于总体的性质。统计量概念统计量是样本的函数,不依赖于任何未知参数。样本均值、样本方差是统计量,总体的均值和方差不是统计量,因为后者依赖于总体分布的未知参数。由样本构造具体的统计量,实际上是对样本所含的总体信息按照某种要求进行加

2021-01-29 15:55:54 2080

原创 各种小问题

远程服务器复制粘贴失效打开任务管理器,查看后台进程,结束 rdpclip.exe 进程。win+R,输入rdpclip.exe,重新运行此程序。Pandas Series转换为DataFrameSeries的index也要转变为DataFrame的一列。import pandas as pdtype(ser) # pandas.core.series.Seriesdict = {'column1':ser.index,'column2':ser.values}df = pd.DataFr

2021-01-25 10:30:15 919

原创 人大版统计学教材第六版学习笔记--第5章 概率与概率分布

python操作excel主要用到xlrd和xlwt两个库,其中xlrd读excel,xlwt写excel安装:cmd窗口pip install xlrd导入: import xlrdpip install xlrd

2021-01-22 20:05:51 1257

原创 Does love become hate or forgiveness after a double deviation?文章阅读

跟上篇一样,作者Jungkeun Kim(韩国人?)-新西兰奥克兰理工大学市场营销高级讲师,研究兴趣:消费者和旅行决策和行为不瞒各位是论文标题吸引了我hh[狗头]文章目录

2021-01-19 22:20:46 1249 1

原创 人大版统计学教材第六版学习笔记--第4章 数据的概括性度量

文章目录集中趋势的度量分类数据:众数顺序数据:中位数和分位数数值型数据:平均数众数、中位数和平均数的比较离散程度的度量分类数据:异众比率顺序数据:四分位差数值型数据:方差和标准差相对离散程度:离散系数数据分布的特征可以从三个方面进行测度和描述:1.分布的集中趋势2.分布的离散程度3.分布的形状,反映数据分布的偏态和峰态。集中趋势的度量集中趋势central tendency指一组数据向某一中心值靠拢或聚集的程度,反映了一组数据中心点的位置所在。分类数据:众数众数mode一组数据中出现次数最多的

2021-01-17 21:34:35 1599

原创 人大版统计学教材第六版学习笔记--第3章 数据的图表展示

合理使用图表描述统计结果是应用统计的基本技能之一。文章目录数据的预处理定性数据的整理与展示定量数据的整理与展示合理使用图表数据的预处理定性数据的整理与展示定量数据的整理与展示合理使用图表...

2021-01-15 15:10:11 1102

原创 人大版统计学教材第六版学习笔记--第1、2章 导论和数据的搜集

就是这本了,南门外二手书店淘来的。共14章,不知道大学的老本儿还剩多少……今天是2021.1.12,或半月,或20天,最长1个月,把这本书结束。flag立起来了hh文章目录导论统计学简单介绍统计数据类型按计量尺度:分类数据、顺序数据、数值型数据按收集方法:观测数据和实验数据按与时间的关系:截面数据和时间序列数据几个基本概念总体和样本参数与统计量变量数据的搜集数据的来源间接来源直接来源调查数据概率抽样(随机抽样)导论统计学简单介绍统计学是收集、处理、分析、解释数据并从数据中得出结论的科学。是一套

2021-01-12 22:35:27 1879

原创 The influence of preciseness of price information on the travel option choice文章阅读

文章目录introductiontheoretical framework介于99和0结尾的价格效应旅游研究中的行为定价文献introduction段一:旅游业和其他行业一样,定价都是以9或者其他非零数字结尾(称之为精确价格),因为实践表明这么做能增加销量。虽然很诡异,因为159.99与160.00之间的差异小到可以忽略不计。但大量文献表明,顾客的确对精确价格(159.99)产生了相对积极的反应,因为他们觉得这个价格便宜很多。段二:无论是机票、住宿、汽车租赁还是其他旅游服务产品,游客都面临着诸多选择。

2021-01-11 13:40:37 627 1

原创 收藏夹不够用系列--有趣的网页(持续更新)

文章目录纪录片河西走廊B站大佬3Blue1Brown沙盘上的战争星球研究所宏观经济运行情况旅游景区文化和旅游部国家5A级景区查询纪录片河西走廊正片共10集,以时间为线索,采用情景再现的手法,梳理了从汉代到中华人民共和国时期的河西走廊历史,此外还包含两集综述《致敬河西走廊》。主题音乐《河西走廊之梦》由希腊音乐家雅尼创作。专辑包含四首曲目:1.河西走廊之梦2.千年回眸3.命运悲歌4.励精图治B站大佬3Blue1Brown网页链接:大佬的主页深入浅出、直观明了地分享数学之美。目前有包

2021-01-05 11:12:35 388

原创 爱欲与文明(一)快乐原则与现实原则

动物性的人成为人类的唯一途径 就是其本性的根本转变。从快乐原则(无意识)到现实原则(意识)的转变从: 到: 直接的满足 延迟的满足 快乐 限制快乐 欢乐(消遣) 苦役(工作) 接收 生产 没有压抑 安全感 首先,由快乐原则统治的无意识构成了较古老的主要过程,无意识过程所追求的只是获得快乐,凡能引起不快感(痛苦)的活动,心灵都拒绝参与。但快乐原则如果不加以限制,则将与自然环境和人类环境发生冲突,个...

2020-09-22 14:03:58 1713

原创 吴恩达 机器学习课程笔记(六)过拟合问题

文章目录什么是过拟合线性回归中的过拟合逻辑回归中的过拟合过拟合的解决方法正则化原理高阶参数惩罚项惩罚所有参数正则化线性回归正则化逻辑回归什么是过拟合线性回归中的过拟合沿用房价预测问题,下边三幅图分别代表欠拟合(underfitting,high bias)、拟合(刚好合适)、过拟合(overfitting,high variance)bias理解:算法带有一种很强的偏见(偏差),认为房子价格与面积线性相关,而罔顾数据(证据)的不符,先入为主地拟合一条直线,最终导致拟合效果很差。variance理解

2020-09-21 20:16:30 372

翻译 40 maps that explain food in America--有趣的图表,地图赏析

这算是一个比较优秀的数据分析案例吧,学习一下~来源:Charts that explain food in America注:USDA 美国农业部粮食生产1922年的美国农业–多样化的农作物和动物美国农业劳动力百分比—从1840年的70%下降至2000年的2%农场在消失–07-12的五年内,净损失9万个农场生产的农作物和肉类的绝对数量却在增加–农业生产力的提高农产品(农作物与牲畜)的价值–绿色表示该地区农作物产品价值较高,红色表示饲养牲畜最有价值农作物的种植地及覆盖率–单一栽培

2020-09-17 17:02:58 225

原创 笔记本电脑外接显示器投屏问题

“开始”右键,点击搜索->在搜索框中输入“投影”->“投影到第二屏幕”,点击打开可以看到四种模式:仅电脑屏幕;仅第二屏幕;复制;扩展选择“扩展”桌面空白处右键->显示设置->显示点击标识,确认屏幕1(一般是笔记本原屏幕),屏幕2(一般是外接显示屏)分别是哪块屏幕。根据自己的需要设置主显示器然后就可以愉快的双屏工作啦~...

2020-09-17 11:12:32 8862

原创 吴恩达 机器学习课程笔记(五)逻辑回归

文章目录为何不将线性回归应用于分类问题中多数时候分类结果不理想预测值连续,实际值离散逻辑回归假设函数决策边界--正负类概率相同时示例1--线性边界示例2--非线性边界示例3--更复杂的边界损失函数--如何找到模型参数θ\thetaθ问题描述损失函数的选择逻辑回归用来解决分类问题,例如判断邮件是否为垃圾邮件,某笔在线交易是否涉嫌欺诈;肿瘤为恶性还是良性等二分类问题及其他多分类问题。为何不将线性回归应用于分类问题中多数时候分类结果不理想以判断肿瘤为恶性还是良性的分类问题为例,训练集样本如下图所示,用直线

2020-09-15 17:29:11 228

原创 吴恩达 机器学习课程笔记(四)多元线性回归

文章目录多特征实例--房价预测案例拓展多特征实例–房价预测案例拓展我们除了知道房子的大小和房价外,还收集到了房间数,楼层,房子的年龄等信息,这使得我们可以利用更多的信息来预测房价。其中,mmm表示样本数量,nnn表示特征数量,x(i)x^{(i)}x(i)表示第iii个样本的输入,xj(i)x^{(i)}_jxj(i)​表示第iii个训练样本的第jjj个特征。...

2020-09-09 16:39:35 445 1

原创 吴恩达 机器学习课程笔记(三)线性代数简单回顾

文章目录矩阵(二维数组)向量(只有一列的矩阵)矩阵简单运算矩阵加(减)法矩阵乘(除)标量矩阵乘法特例:矩阵与向量相乘矩阵与矩阵相乘矩阵乘法的性质单位矩阵矩阵的逆矩阵转置矩阵(二维数组)矩阵:长方阵列排列的复数或实数集合通常用大写字母表示,比如AAA矩阵的维度:行*列矩阵的项:矩阵内部的某个数Aij:A_{ij}:Aij​: 第iii行第jjj列对应元素矩阵提供了 一种 快速整理、索引和访问大量数据的很好的方式。向量(只有一列的矩阵)通常用小写字母表示,比如yyy向量元素:yiy_iy

2020-09-04 17:41:12 353

原创 吴恩达 机器学习课程笔记(二)第一个学习算法--单变量线性回归

本章将学习模型是什么样的有监督学习的过程文章目录房价预测案例监督学习算法的工作原理代价函数代价函数实例(一个参数的情况)代价函数实例(两个参数的情况)房价预测案例继续上一章有监督学习算法的房价预测案例训练集的简单描述,算法将从数据中学习如何预测房价。(x,y)(x,y)(x,y)表示一个训练样本,也就是训练集中的一行。(xi,yi)(x^{i},y^{i})(xi,yi)表示第 iii个训练样本,iii是索引,代表训练集中第iii行。例如:x1=2104,x2=1416,y1=4

2020-08-30 22:19:10 236

原创 吴恩达 机器学习课程笔记(一)机器学习初识

机器学习初识正式定义Tom Mitchell (1998 Carnegie Mellon) says that a well-posed learning problem is defined as follows: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as mea

2020-08-25 11:53:17 351

原创 pyecharts--地图

根据目的并运用常识选择最有效的图形来传达要点。1 如果要说明空间关系,则地图或照片可能是最佳选择。2 如果要说明比例,饼状图或条形图是首选。3 如果要说明两个变量之间的关系,可尝试折线图或散点图。地图做云南省地图,各地区名称用拼音标注,根据各地游客人数分段染色。from pyecharts.charts import Map # 注意这里与老版本pyecharts调用的区别from pyecharts import options as optsNM = { '昆明市' : 'K

2020-08-20 16:25:20 837

原创 pyecharts--柱状图(包含标题、图例、X轴、Y轴、数据标签的设置)

from pyecharts import options as optsfrom pyecharts.charts import Barfrom pyecharts.globals import ThemeTypecolumns = ["A","B","C","D"]data1 = [26.86,15.56,10.62,14.07]data2 = [36.87,28.61,25.86,41.13]data3 = [24.38,28.58,30.32,22.74]data4 = [10.15

2020-08-14 14:28:20 22561 2

原创 CiteSpace学习笔记--小白向

CiteSpace下载与安装访问该链接.下载CiteSpace,要下载.7z或.zip的压缩包而非.exe文件。注:使用CiteSpace需要先安装JAVA 8,安装教程参考win 10:jdk 8 下载和安装步骤.下载完成后解压,打开StartCiteSpace_Windows.bat,选择语言。有时会出现选择语言后没反应或闪退的情况,解决方案如下:右键点击StartCiteSpace_Windows.bat文件->编辑->将红框圈中的三部分改为与下图相同,Ctrl+S保存后关闭。

2020-08-06 15:35:30 7352 3

原创 pyecharts--3D散点图

data中行表示一个人到达h1,h2,h3的时间(时间戳)做一个3D散点图,希望能从图上看出哪些人可能是团体,哪些人是单独行动。from pyecharts import options as optsfrom pyecharts.charts import Scatter3Ddata = [[2675029, 2751842, 2924585], [2672022, 2751718, 2924840], [2653937, 2751696, 2924810

2020-08-06 15:33:42 1591 1

原创 2345天气王--历史天气数据的爬取

2345天气王网站首页eg. 北京历史数据实例:爬取北京,西安,昆明三个城市,2015,2016年两年的每日天气数据,字段包含:日期,最高温度,最低温度,风向,风力,天气,aqi,aqiInfo,aqiLevel。值得注意的是,2016年以前的数据不包含aqi,aqiInfo,aqiLevel三项。直接上代码import requestsimport pandas as pdimport remonths = [1,2,3,4,5,6,7,8,9,10,11,12]years = [20

2020-07-31 15:52:23 3412 8

原创 解决Word中Endnote插件消失的问题

打开Endnote安装目录,找到Configure Endnote应用程序,运行该程序,勾选Configure Endnote Components, 一路确定就可以了。然后,打开word,若Endnote仍未加载,顶部导航栏 -> 文件 -> 选项 -> 加载项 -> 转到 -> 勾选 Cite While You Write -> 确定,手动加载。若下一次打开word,Endnote未自动加载,可用上述方法手动加载,也可采用以下手段,一劳永逸。以管理员身份

2020-07-04 18:01:11 24895 4

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除