s_unbo的博客

一、说明 特别是在估值和期权定价领域，积分是非常重要的数据工具，这通常来自于衍生品的风险中性价值通常在风险中性测度下的贴现期望值。而期望值在离散的情形中是求和，而在连续的情形是积分，字库scipy.integrate提供了计算数值积分的不同函数。 二、画个积分图 import matplotlib.pyplot as plt import numpy as np from scipy import integrate #定义被积函数 def f(x): return np.sin(x)+0.5*x

一、说明 最优化问题目前在机器学习，数据挖掘等领域应用非常广泛，因为机器学习简单来说，主要做的就是优化问题，先初始化一下权重参数，然后利用优化方法来优化这个权重，直到准确率不再是上升，迭代停止，那到底什么是最优化问题呢？ 比如你要从上海去北京，你可以选择搭飞机，或者火车，动车，但只给你500块钱，要求你以最快的时间到达，其中到达的时间就是优化的目标，500块钱是限制条件，选择动车，火车，或者什么火车都是x 在金融和经济领域，凸优化有着重要的作用。例如期权定价，效用最优化等问题。 1、在这里，我们首先定义要

一、说明 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。插值:用来填充图像变换时像素之间的空隙。 插值方法一般是适合于低维的问题。给定一组观测值（在x轴方向进行排序），基本的思想是对两个点之间的数据做回归，得到的结果是分段定义的函数可以较好的拟合原始函数，同时函数在数据点上是连续可微的，连续可微需要至少三次插值，即cubic spline。但是这个方法也可以应用于一般的二维甚至是线

一、说明 回归和差值是常用的数学工具。 回归分析是一种数学模型。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。 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。插值:用来填充图像变换时像素之间的空隙。 二、定义示例函数 f(x)=sin(

一、说明 机器学习的核心是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测”。这意味着，与其显式地编写程序来执行某些任务，不如教计算机如何开发一个算法来完成任务。 二、机器学习与建模 三、监督学习算法 1. 决策树 (Decision Trees) 决策树是一个决策支持工具，它用树形的图或者模型表示决策及其可能的后果，包括随机事件的影响、资源消耗、以及用途。请看下图，随意感受一下决策树长这样的： 从商业角度看，决策树就是用最少的 Yes/No 问题，尽可能地做出一个正确的决策。它让我们