摘要： #step1 先把不要的列删掉 del df['gid'],df['WS_60'],df['WD_60'] #step2 使用前后向填充覆盖NAN df = df.fillna(method='ffill') df = df.fillna(method='bfill') 阅读全文

摘要： 阅读全文

摘要： 我来表露下个人浅显的理解。半正定与正定矩阵同意用半正定矩阵来事例： 首先半正定矩阵定义为: 其中X 是向量，M 是变换矩阵 我们换一个思路看这个问题，矩阵变换中，代表对向量 X进行变换，我们假设变换后的向量为Y，记做。于是半正定矩阵可以写成： 这个是不是很熟悉呢？ 他是两个向量的内积。 同时我们也有 阅读全文

摘要： https://www.zhihu.com/question/36301367/answer/156102040?ivk_sa=1024320u 核心在于： 方向导数，梯度方向，梯度三个词是不一样的 方向导数是一个值，一个切平面存在无数方向导数 梯度方向是在无数方向导数中找出值最大的那条切线，其切线 阅读全文

摘要： https://jingyan.baidu.com/article/6181c3e07a783f542ef153c9.html 阅读全文

摘要： 现有a = [1,2,3,4,5],现需要进行对a进行反转 方法1：list(reversed(a)) reversed(a)返回的是迭代器，所以前面加个list转换为list 方法2：sorted(a,reverse=True) 方法3：a[: :-1] 其中[::-1]代表从后向前取值，每次步进 阅读全文

摘要： 目的其实就是为了控制变量。 比如说你为了提升baseline的性能，给它加了两个模块A,B，加完之后效果果然提高了很多。于是你急急忙忙开始写论文，写到你的贡献，你给了两条：1.模块A，2.模块B。 但是这样写有个问题：尽管AB同时加上去对模型有提升效果，但是你并没有证明A、B两个模块分别都是有意义的 阅读全文

摘要： 对于严格凸函数，eg y=x^2 如果f(x)满足对任意x1 ≠ x2,都有f((x1+x2)/2) < (f(x1)+f(x2))/2.那么f(x)的Jensen不等式只有在各变量都相等时取等(x1=x2=.....xn) 所以如果想既满足x1 ≠ x2，又满足f((x1+x2)/2) = (f( 阅读全文

摘要： 优先级 逗号>分号(用在固定参数)=竖线(用在变量分布) 频率派认为参数是固定值，贝叶斯派认为参数服从一个分布，但这2个式子代表一样的含义就是求条件概率 阅读全文

摘要： 阅读全文