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

-+

个人存储

毛都没有

  • 博客(17)
  • 收藏
  • 关注

原创 用SDL3完成一个扫雷

本文档详细介绍了使用SDL3开发扫雷游戏的环境搭建和初始配置过程。主要内容包括: 开发工具选择:推荐使用MSVC编译器、CMake构建系统、VSCode编辑器和Ninja构建执行器,并说明各工具的优势。 环境安装步骤: Visual Studio BuildTools的安装与验证 CMake和Ninja的安装配置 VSCode及其必要插件的安装 项目初始化: 创建项目目录结构 获取SDL3和SDL_ttf源代码 配置CMake构建系统 设置clangd代码分析工具 第一个SDL3窗口程序: SDL3库的基本

2026-06-05 15:48:47 395

原创 关于多重检验

多重检验问题摘要 经典假设检验针对单个假设,而现代数据分析常需同时检验大量假设(如基因差异表达、A/B测试等),导致多重检验问题。核心挑战在于:随着检验次数增加,随机波动导致的假阳性(第一类错误)会累积。例如,100次独立检验中,即使原假设为真,约5次可能因随机性被误判为显著(α=0.05)。 解决方法需平衡错误类型: 控制整体错误率:如Bonferroni校正(调整α为α/m,m为检验次数),但可能过于保守,降低功效(增加第二类错误)。

2025-10-11 09:00:00 1205

原创 关于无监督学习

主成分分析内容。

2025-10-10 09:00:00 952

原创 关于生存分析和删失数据

本章中探讨与这两个主题。。在书里是举了个医学的例子。假设我们进行了一项为期五年的医学研究,其中患者接受了癌症治疗。我们希望利用基线健康测量值或治疗类型等特征,来拟合一个预测患者生存时间的模型。

2025-10-09 09:00:00 1933

原创 关于深度学习

深度学习是当前人工智能领域的热门方向,其核心是通过多层神经网络学习数据特征。单层神经网络包含输入层、隐藏层和输出层,通过激活函数引入非线性。多层神经网络(如用于MNIST手写数字识别的网络)通过堆叠隐藏层提取更复杂的特征,使用交叉熵损失和正则化(如Dropout)提高性能。卷积神经网络(CNN)专为图像处理设计,利用卷积层检测局部特征,池化层进行下采样。研究表明,深度学习方法在图像分类等任务上显著优于传统方法(如逻辑回归和LDA)。

2025-10-08 09:00:00 1447

原创 关于支持向量机

支持向量机(SVM)是一种强大的分类方法,被认为是优秀的"开箱即用"分类器。其核心思想是寻找最优分离超平面,包含最大间隔分类器(MMC)和支持向量分类器(SVC)两种主要方法。MMC要求数据完全线性可分,通过最大化间隔来构建分类器,但对异常值敏感。SVC通过引入松弛变量和调节参数C,放宽了MMC的严格限制,允许部分观测点在间隔内或分类错误,提高了模型泛化能力。支持向量机特别依赖少数支持向量,计算效率高,适用于各种分类场景。

2025-10-07 10:58:25 1092

原创 关于决策树

决策树是一种局部模型,通过递归分割数据空间为矩形区域进行预测。回归树使用残差平方和最小化准则,分类树则基于基尼指数或熵来优化节点纯度。决策树易过拟合,可通过剪枝(如代价复杂度剪枝)简化模型。Bagging通过自助采样构建多个树并集成预测,降低方差,适用于回归(取平均)和分类(投票)。随机森林进一步引入特征随机性增强多样性,通常表现优于Bagging。实际应用中,建议先尝试线性模型作为基准,再比较树模型的交叉验证性能,权衡预测精度与可解释性选择最佳方法。

2025-10-07 09:00:00 2564

原创 非线性回归方法习题集

摘要: 本文包含两个关于回归样条的练习。练习7.9.1证明带有一个结点的三次样条函数满足连续性条件:(a)推导分段多项式系数,(b)展开结点右侧表达式,(c-e)证明函数、一阶导和二阶导在结点处连续。练习7.9.2探讨不同惩罚参数λ和导数阶数m对平滑曲线的影响:(a)λ=∞时强制零函数,(b)常数拟合,(c)线性拟合,(d)二次拟合,(e)λ=0时完全插值数据点。通过数学推导和可视化(含Python代码)展示了不同参数下的拟合效果。全文通过解析式和几何解释系统阐述了样条回归的核心性质。

2025-10-06 03:07:58 1031

原创 关于线性模型扩展:非线性回归方法

本文介绍了超越线性回归的方法,主要包括多项式回归、阶梯函数、回归样条、平滑样条、局部回归和广义可加模型。多项式回归通过添加预测变量的幂项来扩展线性模型;阶梯函数将连续变量转换为分段常数函数;回归样条在多个区间内拟合多项式并保证连接处平滑;平滑样条通过最小化带惩罚项的残差平方和获得;局部回归允许拟合区域重叠;广义可加模型可处理多个预测变量。文中以工资与年龄关系为例,展示了4次多项式拟合和逻辑回归的应用,并提供了Python实现代码。

2025-10-01 16:53:18 1629

原创 线性模型正则化习题集

本文摘要: 本文包含5个统计学习相关习题,主要探讨变量选择方法和正则化回归模型的性质: 比较最优子集选择、向前和向后逐步选择方法在模型训练和测试性能上的差异。

2025-09-29 06:16:07 1291

原创 关于线性模型选择与正则化

本文系统介绍了线性回归模型的改进方法,主要包括三类技术:子集选择、收缩方法和维度缩减。子集选择方法通过最优子集选择、逐步选择(前向/后向)和混合策略,从预测变量中筛选最优子集。收缩方法(如岭回归和Lasso)通过约束系数大小提高模型泛化能力。维度缩减技术(如主成分回归)将高维数据投影到低维空间。文章详细比较了这些方法的优缺点,并介绍了模型选择的评价指标(Cp、AIC、BIC和调整R²)以及验证集/交叉验证两种测试误差估计策略。

2025-09-27 14:37:43 1595

原创 关于交叉验证和自助法

交叉验证和自助法的介绍

2025-09-22 20:14:48 1413

原创 关于分类模型的习题

统计学习导论 分类模型下的习题解答,不保证对。

2025-09-21 20:33:28 622

原创 线性回归章节的习题

线性回归的课后习题

2025-09-20 16:30:48 1135

原创 关于分类模型

分类模型,逻辑回归,泊松回归

2025-09-18 19:16:01 835

原创 关于简单线性回归和多元线性回归

线性回归

2025-09-16 19:37:25 1409

原创 关于K邻域估计和习题

本文摘要: K近邻(KNN)方法和《统计学习导论》的习题

2025-09-16 19:23:22 542

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