zhuome

摘要： 1 R2 计算公式：R2=1-RSS/TSS RSS：误差平方和 TSS：样本伪方差的m倍，m为样本个数 R2越大，拟合效果越好！ R2是一个标记，并不是一个数值的平方，所以也是可以为负数的。 注：ESS为回归平方和，是预测值与样本期望的差值的平方和。 TSS>=RSS+ESS 2 线性回归不推荐用 阅读全文

摘要： 1 最大似然估计 设总体分布为f(x,θ),X1,X2,..Xn为该总体采样得到的样本，X1，X2，X3,…，则其联合密度函数为： 这里的θ被看作固定但未知的参数，而X1，X2,…Xn是固定的，L(X,θ)是关于θ的函数，叫做似然函数，求参数θ的值，是似然函数取最大值，这种方法叫做最大似然估计。 2 阅读全文

摘要： 1 matplotlib中中文字符的引入 ① 在开头引入utf-8编码 ② 在中文字符使用处添加u字符 ③ 输出系统中中文字符使用路径并定义好字体 2 球员能力图设计 ① 极坐标绘图中，分成6份，需要设置endpoint=False ② 生成某一范围内的一个数组，a=np.random.randin 阅读全文

摘要： 1 在图中添加箭头并进行注释 使用annotate函数，定义好要注释的内容，箭头位置，注释位置，以及箭头的属性。 2 纯文字注释 使用text函数，定义文字位置，文字内容，字体，字体颜色，字体大小等。 3 添加公式 基本格式：’$ 公式 $’ 4 区域填充 4.1 fill 4.2 fillbetw 阅读全文

摘要： 1 创建ndarray的三种方式 从python的基础数据结构转化： 通过numpy内置函数生成 从文件读取 2 numpy中调用函数的两种方法 方法一：np.func(x) 方法二：x.func() 注：对于sort函数，使用方法1将生成一个新的array，原来的x不变化，使用方法2则是直接改变了 阅读全文

摘要： 1 pandas索引 对于Series，可以直接通过索引访问其中的值，如： s=pd.Series(np.array([1,2,3,4]),index=['a','b','a','b']) s[‘a’] 对于DataFrame，则需要使用loc，如： s=pd.DataFrame(np.array( 阅读全文

摘要： 1 pandas两个常用数据类型：series和dataframe 2 创建一个series s=pd.Series([1,2,np.nan,8]) 3 创建一个dataframe 通过数列创建： dates=pd.date_range(‘20130301’,periods=6) df=pd.Dat 阅读全文

摘要： 1 创建矩阵 ① 通过列表创建矩阵：array=np.array([[1,2],[3,4]])，创建的同时可以通过dtype设置格式，如array=np.array([[1,2],[3,4]],dtype=np.int32) ② 通过numpy自带函数：array=np.zeros((2,2)),a 阅读全文

摘要： 1 代数余子式 在一个n阶行列式A中，把(i,j)元素aij所在的第i行和第j列划去后，留下的n-1阶方阵的行列式叫做元素aij的余子式，记作Mij。 代数余子式Aij=(-1)i+jMij 2 伴随矩阵 对于n*n方阵，其代数余子式组成的方阵A*称为A的伴随矩阵。 A*A*=|A|*I 3 范德蒙 阅读全文

摘要： 1 概率论基础 本福特定律（第一数字定律）：在实际生活中得出的一组数据中，以1为首位数字出现的概率约为总数的三成。 条件概率 全概率公式 贝叶斯公式 给定某系统的若干样本，计算该系统的参数，即： P(θ):先验概率，没有数据支持下，θ发生的概率 P(θ|X) :后验概率，在数据x支持下θ发生的概率 阅读全文