08 2021 档案

区分"研发支出"、"开发支出"、"研发费用"
摘要：一、概念区分 首先，区别"开发支出"和"研发费用"是报表项目，"研发支出"是会计科目。 其次，"开发支出"报表项目应根据"研发支出"科目中所属的"资本化支出"明细科目期末余额填列。"研发费用"报表项目应根据"管理费用"中与研发相关的费用加上自行研发的无形资产的摊销金额来填列。 补充说明: 1.自行研 阅读全文
posted @ 2021-08-23 19:16 celine227 阅读(2753) 评论(0) 推荐(0)
关于stata中我们常用到的对数化处理
摘要：一、 为什么要进行对数化处理 1. 缩小数据的绝对数值，方便计算。 例如，每个数据项的值都很大，许多这样的值进行计算可能对超过常用数据类型的取值范围，这时取对数，就把数值缩小了；在实证模型中，缩小值之后相关系数数值会更大一些（原值可能需要四到五位有效数字）。 2. 取对数后，可以将乘法计算转换称加法 阅读全文
posted @ 2021-08-23 16:58 celine227 阅读(13271) 评论(0) 推荐(1)
线性回归——Lasso回归和岭回归
摘要：线性回归——最小二乘 线性回归（linear regression），就是用线性函数 f(x)=w⊤x+bf(x)=w⊤x+b 去拟合一组数据 D={(x1,y1),(x2,y2),...,(xn,yn)}D={(x1,y1),(x2,y2),...,(xn,yn)} 并使得损失 J=1n∑ni=1 阅读全文
posted @ 2021-08-19 17:33 celine227 阅读(1331) 评论(0) 推荐(0)
ROC曲线
摘要：1. ROC曲线的定义 ROC的全称是Receiver Operating Characteristic Curve，中文名字叫“受试者工作特征曲线”，顾名思义，其主要的分析方法就是画这条特征曲线。这里在网上找了一个比较好的图样示例如下， ROC曲线示例 该曲线的横坐标为假阳性率（False Pos 阅读全文
posted @ 2021-08-14 11:06 celine227 阅读(2536) 评论(0) 推荐(0)
Fama-French三因子模型
摘要：Fama-French三因子模型理论知识 模型介绍 Fama和French 1992年对美国股票市场决定不同股票回报率差异的因素的研究发现，股票的市场的beta值不能解释不同股票回报率的差异，而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异。Fama and French认为，上述超额收 阅读全文
posted @ 2021-08-13 11:58 celine227 阅读(1990) 评论(0) 推荐(0)
交叉熵损失函数的求导(Logistic回归)
摘要：前言 最近有遇到些同学找我讨论sigmoid训练多标签或者用在目标检测中的问题，我想写一些他们的东西，想到以前的博客里躺着这篇文章（2015年读研时机器学课的作业）感觉虽然不够严谨，但是很多地方还算直观，就先把它放过来吧。 说明: 本文只讨论Logistic回归的交叉熵，对Softmax回归的交叉熵 阅读全文
posted @ 2021-08-05 11:01 celine227 阅读(1756) 评论(2) 推荐(0)
Python数据的相关性和标准化
摘要：1、相关性分析协方差：Cov(X，Y)=E(XY)-E(X)E(Y) 或 cov(X, Y) = E(X-EX)(Y-EY)，表示两个变量总体误差的期望，范围在负无穷到正无穷。协方差为0时，两者独立。协方差绝对值越大，两者对彼此的影响越大，反之越小公式简单翻译一下是：如果有X,Y两个变量，每个时刻的 阅读全文
posted @ 2021-08-03 12:30 celine227 阅读(1194) 评论(0) 推荐(0)
机器学习之聚类
摘要：1. 聚类（Clustering） 监督学习：发现数据属性和类别属性之间的关联模式。并通过利用这些模式用来预测未知数据实例的类别属性。 无监督学习：数据没有目标属性。发现数据中存在的内在结构及规律。 无监督学习中研究最多、应用最广的是聚类。常见的无监督学习任务还有密度估计（density estim 阅读全文
posted @ 2021-08-03 11:29 celine227 阅读(658) 评论(0) 推荐(0)
卷积神经网络（CNN）
摘要：1. 卷积神经网络结构介绍 卷积神经网络 – CNN 最擅长的就是图片的处理。它受到人类视觉神经系统的启发。 CNN 有2大特点： 能够有效的将大数据量的图片降维成小数据量 能够有效的保留图片特征，符合图片处理的原则 目前 CNN 已经得到了广泛的应用，比如：人脸识别、自动驾驶、美图秀秀、安防等很多 阅读全文
posted @ 2021-08-02 21:59 celine227 阅读(2116) 评论(0) 推荐(1)
残差网络(Residual Network)
摘要：一、背景 1）梯度消失问题 我们发现很深的网络层，由于参数初始化一般更靠近0，这样在训练的过程中更新浅层网络的参数时，很容易随着网络的深入而导致梯度消失，浅层的参数无法更新。 可以看到，假设现在需要更新b1，w2,w3,w4参数因为随机初始化偏向于0，通过链式求导我们会发现，w1w2w3相乘会得到更 阅读全文
posted @ 2021-08-02 21:53 celine227 阅读(505) 评论(0) 推荐(0)
神经网络
摘要：神经元模型的使用可以这样理解： 我们有一个数据，称之为样本。样本有四个属性，其中三个属性已知，一个属性未知。我们需要做的就是通过三个已知属性预测未知属性。 具体办法就是使用神经元的公式进行计算。三个已知属性的值是a1，a2，a3，未知属性的值是z。z可以通过公式计算出来。 这里，已知的属性称之为特征 阅读全文
posted @ 2021-08-02 19:05 celine227 阅读(1058) 评论(0) 推荐(0)
交互项回归与分组回归有什么差异？
摘要：我们先引入一个简单的收入回归方程： 其中Wage 是小时工资，Di 为是否接受工作培训的虚拟变量，X是控制变量。 假设我们想看一下D 对Wage 的影响是否因性别而异。我们即可以引入交互项： 观察交互项的系数 是否显著即可： 也可以使用分组回归： 然后再检验Di 的回归系数差异是否显著即可。 不难发 阅读全文
posted @ 2021-08-02 17:03 celine227 阅读(2272) 评论(0) 推荐(0)