05 2020 档案

机器学习——Fisher线性判别
摘要：Fisher判别法是判别分析的方法之一，它是借助于方差分析的思想，利用已知各总体抽取的样品的p维观察值构造一个或多个线性判别函数y=l′x其中l= (l1，l2…lp)′，x= (x1，x2，…，xp)′，使不同总体之间的离差(记为B)尽可能地大，而同一总体内的离差(记为E)尽可能地小来确定判别系数l=(l1，l2…lp)′。数学上证明判别系数l恰好是|B-λE|=0的特征根，记为λ1≥λ2≥…≥λr>0。所对应的特征向量记为l1，l2，…lr，则可写出多个相应的线性判别函数，在有些问题中，仅用一个λ1对应的特征向量l1所构成线性判别函数y1=l′1x不能很好区分各个总体时，可取λ2对应的特征向量l′2建立第二个线性判别函数y2=l′2x，如还不够，依此类推。有了判别函数，再人为规定一个分类原则(有加权法和不加权法等)就可对新样品x判别所属 [1] 。 阅读全文
posted @ 2020-05-06 17:29 tiana_Z 阅读(2368) 评论(0) 推荐(0) 编辑
Python数据之 基本语法元素的格式输出
摘要：Python数据之 基本语法元素的格式输出 阅读全文
posted @ 2020-05-06 16:42 tiana_Z 阅读(252) 评论(0) 推荐(0) 编辑
pandas.Series 基本技巧
摘要：pandas.Series 基本技巧 阅读全文
posted @ 2020-05-04 17:15 tiana_Z 阅读(173) 评论(0) 推荐(0) 编辑
详解python中的yield
摘要：详解python中的yield 阅读全文
posted @ 2020-05-04 17:03 tiana_Z 阅读(701) 评论(0) 推荐(0) 编辑
ARIMA模型 - [SPSS & Python]
摘要：ARIMA模型：(英语：Autoregressive Integrated Moving Average model)，差分整合移动平均自回归模型，又称整合移动平均自回归模型(移动也可称作滑动)，是时间序列预测分析方法之一。AR是“自回归”，p为自回归项数;MA为“滑动平均”，q为滑动平均项数，d为使之成为平稳序列所做的差分次数(阶数)。 阅读全文
posted @ 2020-05-04 16:58 tiana_Z 阅读(1498) 评论(0) 推荐(0) 编辑