u012074597的专栏

上牌预测这题是一个时序预测，需要根据车管所历史上每天的上牌的记录，预测未来某天的汽车上牌量。需要选手利用历史某3年的汽车日上牌数据，预测某2年每天的汽车上牌数。初赛将挑选出5个汽车品牌，给出这些品牌每天的上牌数，当天是星期几，来预测5个汽车品牌未来每天的上牌总数。复赛将挑选出10个汽车品牌，仍旧给出品牌每天的上牌数，当天是星期几，来预测10个汽车品牌未来每天的上牌数。赛题与数据数据说明前三...

什么是数理统计学当我们用实验或观察的方法研究一个问题时，首先要通过适当的观察或实验取得必要的数据，然后就是对所得数据进行分析，以对所提问题作出尽可能正确的结论。为什么说“尽可能正确”呢？因为数据一般总是带有随机性的误差。 需要指出的是，这里的误差，不是通常意义上的因测量不准而导致的误差，这里所说的误差，主要指的是由于观察和实验的样本只能是总体的一部分，而究竟是那一部分则是随机的。例如一个学校有...

机器学习的许多公式推导都涉及了数理统计的内容，特别是参数估计对理解机器学习很重要。这里三篇文章就对三种参数估计方法进行简单介绍。对一些数理统计的基本概念的介绍，可参考之前的文章“数理统计学的基本概念”。参数的点估计问题设有一个统计总体，以f(x;θ1,⋯,θk)f(x;θ1,⋯,θk)f(x;\theta_1,\cdots,\theta_k)记其概率密度函数（若总体分布为连续型的）或其...

设总体分布为f(x;θ1,⋯,θk)f(x;θ1,⋯,θk)f(x;\theta_1,\cdots,\theta_k)，X1,⋯,XnX1,⋯,XnX_1,\cdots,X_n为自这个总体中抽出的样本，则样本(X1,⋯,Xn)(X1,⋯,Xn)(X_1,\cdots,X_n)的分布（即其概率密度函数或概率函数）为 f(x1;θ1,⋯,θk)f(x2;θ1,⋯,θk)⋯f(xn;θ1,⋯,θk)f...

我们现在讨论的点估计问题，无论你用矩估计也好，用极大似然估计也好或其他方法也好，在我们心目中，未知参数θθ\theta简单地是一个未知数，在抽取样本之前，我们对θθ\theta没有任何了解，所有的信息全来自样本。贝叶斯学派则不然，它的出发点是：在进行抽样之前，我们已对θθ\theta有一定的知识，叫做先验知识。这里“先验”的意思并非先验论，而只是表示这种知识是“在实验之前”就有了的，也有人把它...

本次的赛题比较适应当前的机器学习的潮流。初赛题目分成两个部分——虚拟机用量预测+虚拟机部署。预测部分是一个时序预测问题，需要根据历史数据训练得到模型，来预测将来某个时间段的虚拟机使用量。虚拟机部署则需要将预测的虚拟机用量部署到固定大小的物理机上，以达到最高的利用率。比赛最终的成绩由两部分的共同决定： score=(1−1|N|∑|N|i=1(yi−y′i)2‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√1...

原先误以为cuda9.1可以支持Tensorflow1.6，为了安装tf1.6，而安装了cuda9.1，但是安装后发现并不兼容。所以只能卸载cuda9.1，安装cuda9.0。以下为ubuntu16.04 server中删除cuda9.1的方法：# --purge选项会将配置文件、数据库等删除$ apt-get autoremove --purge cuda# 查看安装了哪些cuda...