05 2020 档案
摘要：原题:hdu1312 B: 不要停下来啊 题目描述 丁丁妹因为上山挖大头菜而误打误撞进入了一处古代遗迹，古代遗迹是一个n×m 的迷宫， 丁丁妹所处的位置用'@'标出，'.'表示道路，'#'表示墙壁。 为了逃出迷宫，丁丁妹想知道她最长能在迷宫中走多少格。 我们的目的地根本不重要，只要继续前行就好了，只
阅读全文
摘要：在学完了几个重要分布之后,紧接着的内容就是这几个分布的使用,实际上这就是假设检验的过程 其中有一些概念: 分位点和分位数,p值,分布表,置信区间 因为是新概念, 我这种蒻蒻就是看得很不清楚，理解起来总是有点点模糊，很多书上讲得也不怎么清楚，现在搞清楚 参考博客： （假设检验） （t分布） （分位点与
阅读全文
摘要：ddl选手又来速成啦orz, 上次是python+布朗运动&几何布朗运动ito过程, 这次是STATA,又要学新语言啦,内心...很复杂呢... 大概就是把这些以及异方差给速成了..... 目标: 完成理论熟悉,推导,理解例题 完成作业的题目 完成期中考试卷的清理 预计时间 2~3.5 天
阅读全文
摘要：吴佬在多元线性回归之后, 补充了特征缩放法的优化, 有一些疑问,现在一一解决 为什么在一元的时候不需要,而多元的时候需要? 特征缩放法本质是在对已有样本特征做什么过程? 为什么特征缩放法能够优化?优化在哪里呢? 有哪些特征缩放法?分别有什么特点? 因为个人水平不足, 解释不足够严谨,并没有系统证明,
阅读全文
摘要：从一元线性回归到多元线性回归 : 之前讲一元线性回归的时候,梯度下降法,其实就是按照梯度下山, 一步一步地下山, 其中每一步= 梯度*学习率,学习率就是每一步的步长, 而梯度=导数. 相当于,迈出一步,我往下能走多少米 然后以此类推, 多元线性回归的过程过程相当于需要求的估计参数估计量增加了k>1,
阅读全文
摘要：点估计: 矩估计,k个参数需要估计,k阶原点中心距存在,分别求样本点1-k阶原点中心距.1-k阶期望值,就是k个参数的估计量 极大似然估计,k个参数需要估计则对应样本点概率,或者密度函数值连乘式子,此为似然函数,该似然函数自变量是需要估计的参数,极大似然,函数复合取对数,然后对参数求导,令偏导都为0
阅读全文
摘要：没毛病,依照模型拟合 没毛病,否则样本没有无偏性 这个证明主要参考前篇线性回归两个公式推导过程, 最小化残差平方和函数极值存在的充要条件就是存在xi !=E(x),也就是xi是可变的, 又叫做变异性 零条件的意思是随机误差项与x不存在系统/可解释的条件关系, 不然u作为不可观测值会导致模型不可观测,
阅读全文
摘要：y=ax+b+e 在这一基础上: 又可以写成, y=ax+b+e, |e|^2=((ax+b)-y)^2 随机干扰项 sigma e^2 和残差平方和有类似的性质? 为什么这里需要这样修正呢?自由度为什么是 n-2 ? 估计量的评估 无偏性需要满足: 无偏性不是要求估计量与总体参数不得有偏差，因为这
阅读全文
摘要：估计量与估计值的区别 估计量: 我的理解: 估计量是法则, 通常表示为一种表达式,衡量公式,是一种参数估计法, 又叫参数估计量. 百度百科: 估计量是用于估计总体参数的随机变量，一般为样本统计量。如样本均值、样本比例、样本方差等。例如：样本均值就是总体均值的一个估计量。 个人认为维基百科的定义最好,
阅读全文
摘要：之前证明了整个回归方程,或者说梯度下降法的表达式, 现在来看看计量经济学里的回归表达式 y=ax+b, 出于对关系的不确定, 在计量经济学里,式子多了一个u作为随机干扰项 干扰项 u 我们认为是不可观测的值 我自己的理解是这样_不是很严谨的粗糙理解: y=ax+b+u,我们改写成 y-u=ax+b,
阅读全文
摘要：看视频之前，先回忆对回归的理解： 一元线性回归其实就是对一个自变量，一个因变量， 我们期望有 y= a+bx ，作为它们的关系式，能够解释x和y之间的关系， 已知一组（x，y）1-n，现在根据这个已知的条件， 关系式系数——是否一定存在？ 若存在，a，b，最有可能是什么？ 在吴恩达的课程里，详细讨论
阅读全文
摘要：吴佬很多机器学习的预备数学课都是和计量经济学,概率统计重合的,而且讲得很细很好,还给了代码实现 所以借助这个课学 目标： 理解并且运用一元线性回归（重点） 理解并且运用假设检验和区间估计解题 理解并且推导多元线性回归 整理出思维导图/知识点总结 工具： 计量经济学原理+吴恩达机器学习基础课程——一元
阅读全文
摘要：目标: 获取股票数据 方法： python爬虫实现 tushare包安装 时间关系选择后者 anaconda 安装 tushare，prompt 控制台键入 pip install tushare 百度搜索 tushare 进入官网即可，上面有教程
阅读全文
摘要：目标： 用ito实现股票走势模拟 公式： dS/S=u* dt+e* o* sqrt(dt) e~N（0，1） dS/S ~ N (u dt,o^2 dt) 分析： 公式：dS/S=u* dt+e* o* sqrt(dt)，是一个典型的一阶其次的微分方程，参考：高数总结 可知，同时对两边积分，左边积
阅读全文
摘要：第二天/第三天 目标_不分先后: 实践部分： 重点熟悉：numpy，scipy，matplotlib，random，https://docs.spyder-ide.org/ 实际上如果是熟悉matlab操作的大神们应该改会发现这些包和matlab里面的是相通的 python 大杂烩实锤 重点 实现问
阅读全文
摘要：目标: 菜鸟教程中的numpy教程,熟悉+记忆各种库和函数，类，用法，适当笔记 实际上，也可以直接用这个https://docs.spyder-ide.org/，当作字典查各种函数的用法，配合chorm翻译更香 函数操作（需要实践）： NumPy 数学函数 NumPy 算术函数 NumPy 统计函数
阅读全文
摘要：第一天 目标： 检查anaconda的配置，调试 熟悉平台，选择IDE，测试手感 熟悉python语法，了解需要用到的库， 更新或者补充要用到的包 找到后面进一步学习需要的资源 用时：9h（21：00~06：00） 反馈： 可能是旧包没删除干净的问题。 好久没用，更新了anaconda，结果果然又出
阅读全文
摘要：主题 目标：拟合股票走势图像 语言：python3.7 工具：anaconda，spyder，python 学习渠道：菜鸟教程，博客，B站视频等 库/安装包：numpy scipy matplotlib ipython jupyter pandas sympy nose 时间：2-3天
阅读全文
浙公网安备 33010602011771号