02 2018 档案
摘要：什么时候扭头观察安全条件&什么时候减速行驶甚至控制车速行驶&其他特殊情况 回头观察操作要领：1、回头观察不能取代观察内外后视镜，正确操作顺序是听到转向的语音指令后，观察后视镜，确认安全准备转向时，快速向转向方向回头观察，确认后方无来车具备转向条件时，转动方向盘。2、在转向时，需要向哪个方向转向，就向
阅读全文
摘要：考试操作与评判 科目三 道路驾驶技能考试操作和评判主要修改一览 此外， 下面这些情况一定要注意了 ▼ 1、场地考中途停车松了，改为“每次扣5分”。理论考试增加模拟实景。 2、路考要求紧了，不提前打转弯灯要扣分 。针对科目三路考，新办法更注重安全文明操作。如掉头项目增加了减速或停车以及开启转向灯等要求
阅读全文
摘要：科目三新规新增不合格项目 1、起步、转向、变更车道、超车、靠边停车前不使用或错误使用转向灯，不合格。 2、起步、转向、变更车道、超车、靠边停车前开启转向灯少于3秒即转向，不合格。 3、不按交通信号灯、标志、标线或者交警指挥信号行驶的，不合格。 4、绿灯亮起后，前方无其他车辆、行人等影响通行的，10秒
阅读全文
摘要：科目三项目一般包括：上车准备、起步、直线行驶、加减挡位操作、变更车道、靠边停车、直行通过路口、路口左转弯、路口右转弯、通过人行横道线、通过学校区域、通过公共汽车站、会车、超车、掉头。 掉头：开左转向灯，此时无需压住操纵杆。推荐停车后调头，因为掉头最好一档。先打左转向灯，开灯3秒后，左打方向进入左转车
阅读全文
摘要：挂档： 1.举重若轻；慢2.拨：五指张开；拳握；侧握。 油离配合： 1.脚下换踩快速2.油门位置最低，刹车位置要高一点。右脚控制油门刹车3.一二档的离合要快踩慢抬。三四档油门松快一点没有关系。右脚都是均匀慢速踩。 离合松完才踩油门。但是间隔差越小越好（防止高档低速脱档） 加减档： 档位与车速的匹配：
阅读全文
摘要：1，踩（踩离合器）2，挂（挂一档）3，打（打转向灯）4，鸣（喇叭）可以不鸣5，摆（左右摆头看起步条件）6，抬（抬离合器抖动）7，松（松手刹）8，起步（回头180度看左边反光镜在安全的条件下起步）起步过程要平稳，无闯动，无后溜，不熄火，如熄火要马上退空档重新点火（切记退空档踩刹车踩离合） 起步时，如果
阅读全文
摘要：1.贴车身逆时针绕车一周。（有感应器来确认是否绕车检查了安全条件）绕车一周检查车辆轮胎状况，是否有压线，车门是否关好，观察车辆周围环境是否安全。 【驾车视频上说：确定距边缘线30cm，若多于30cm,则出去时甚至要往右打一点方向？？？？？？不知道湖南省有么有这个要求？？？】 2.进入车内先调整座椅和
阅读全文
摘要：一.原理 最大似然法则（ML） 略... 信息矩阵是似然函数二阶导数的矩阵 二.TIPS 当数据线性可分【自变量的线性组合可以将数据完全分类时，就发生了数据的线性可分】时，模型将： 似然函数是无限的，即没有最大值 模型的参数估计值无限 实践当中，当模型拟合使用的数据集只有少量的观测值且包含大量二元自
阅读全文
摘要：一.相关符号说明 p：事件y=1的概率（违约概率） logit函数：ln{p/(1-p)},是logistics模型的因变量,又可以表示为z p/(1-p):比率；即logit函数是比率的自然对数 联系函数：应用概率P的函数形式（当因变量为二元变量，系统默认为logit函数） 二.代码实现 proc
阅读全文
摘要：一.数据字典 公共信息字段：预测违约，即决定是否授信 其他字段：已签发信用卡的客户行为，可用于开发行为信用卡或监测已有客户行为并防范风险 二.宏%include:读取和执行相关项 %let dir=文件物理地址; %include "&dir";
阅读全文
摘要：一.抽样方法 随机抽样可以用来开发训练和测试样本 均衡抽样（对称抽样）中，设计的样本中的目标变量具有特定的构成。另外在logistic回归模型中，总体中正常和违约事件的初始比例应当作为因变量的先验概率？？？ 分层抽样中，用一个或多个与业务申请相关的变量值将数据分层 二.样本规模 依据内部标准实际实践
阅读全文
摘要：%EqWBinn 2.最优分段 %BinCoutVar(DSin,IVVar,DVVar,Method,MMax,Acc,DSVarMap) /* 输入数据集，进行分段的连续自变量，变量VarX的分段形式，由宏% BinCoutVar生成的分段限制数据库，输出数据集 */
阅读全文
摘要：一.数据准备 合并类别，降低基数 将连续变量分段，WOE 抽样和权重计算 合并类别，降低基数 将连续变量分段，WOE 抽样和权重计算 合并类别，降低基数 将连续变量分段，WOE 抽样和权重计算 前两项任务称为变量分群。 决策树软件包的GUI，是进行最优分群的常用工具。？？？ 二.降低基数且使预测能力
阅读全文
摘要：一.原因 二.指标 2.1两个连续变量 皮尔森相关系数（容易受极端值的影响） 皮尔森相关系数（容易受极端值的影响） 皮尔森相关系数（容易受极端值的影响） proc corr data=data-set-name; var var1 var2 ...varn ; run; 斯皮尔曼相关系数 （用等级计
阅读全文
摘要：1.极端值的识别 极端值的来源无非是数据差错和数据差异。 大多数情况下，极端值被删除或者被重置。但是，当极端值的观测量很大时，需要考虑分群（segments）,ie.针对每个群开发独立的评分卡。 识别方法如下： 设定正常的取值范围 考虑数据的多元属性，建立拟合模型，偏离模型值为极端值 聚类算法 依靠
阅读全文
摘要：一 .计算频率 proc freq data=data-set-name; tables var1; run; /* 输出结果：frequency，percent，cumulative frequency，cumulative percent */ 二.制交叉表cross tabulation pr
阅读全文
摘要：征信中的特征分析即：对连续变量进行分段，并检查每段中的正常和违约分布，揭示备选预测变量是否与违约率存在相关性。 分段的2种方法：每段中包含等量观测（等高度分段）；等宽度分段 代码： /* characteristics analysis */ %let dsin=..; %let varx=..;
阅读全文
摘要：/* 绘制连续性变量的直方图 */ /* 重新定义宏变量*/ %let DSin=data1; 【输入数据集】 %let DSout=data2; 【输出数据集】 %let XVar=x; 【被分段的变量】 %let Nb=(a number ); 【分段的数量】 %let XBVar =x_b ;
阅读全文
摘要：语句： proc univariate data=data-set-name mu0=... loccount; var var1; run; 输出结果： 1.moments N, mean,std deviation,skewness, uncorrected SS,sum weights,sum
阅读全文
摘要：EDA即数据探索，是对数据的初步分析。 包括： 每个候选预测变量 的统计特性和分布 候选预测变量和状态变量之间，以及预测变量相互间是否存在相关性 检测缺失值和极端值，评估其对结果模型的冲击 调查候选变量中的分布情况，如正常和违约的分布情况 实践中，以上步骤即： 对每个变量的单变量描述性统计 评估每个
阅读全文
摘要：一.原理和基础 1.大脑空间记忆能力更强 2.以熟记新法，以建立联系 二.datails 找一些熟悉的地点作为桩子，把需要记忆的东西储存在桩子中，并建立联系。 三.地点桩的特点 熟悉，有序，有特征（每个桩子都有自己的特征） （一般30个地点，对桩子分组来记住桩子的序号。扑克桩是26） 四.对桩子的加
阅读全文
摘要：韩语语法大全：韩国语的句子种类 — 陈述句 陈述句也叫叙述句，是指说话者对听者没有任何要求，只是对于某一现象或者事实转达信息或自己想法的句子。叙述形词尾有”-다,-(ㄴ/는)다”、“-네” “-소/-(으)오”、“-습니 다/-ㅂ습니다” 、“-어/아”、 “-지”、 “-어/아요,-이에요/예요”
阅读全文
摘要：一.运用By语句 proc sort data=data-set1 out=data-set2； by var1; run; proc sort data=data-set3 out=data-set4; by var1; run; data data-set5; merge data-set2 d
阅读全文
摘要：1.常用格式 （1）data 数据集名 <选项> [创建数据集] (选项如：drop=var1 keep=var2 label='' rename=(var1=u var2=v) index=(x,y) ... etc.) （2）data 数据集名/pgm=程序名； [创建SAS程序] set/in
阅读全文
摘要：http://www.cnblogs.com/zgw21cn/archive/2008/08/22/1274197.html
阅读全文
浙公网安备 33010602011771号