09 2021 档案
摘要：引子： 这是逻辑地址(虚拟地址)，包括程序中打印的变量地址显示的都是逻辑地址，并不是内存空间上的物理地址。 每条指令在被执行时，读取操作数时需要给出操作数所在的内存地址，这个地址不能是物理主存地址，因为该程序在哪种硬件设置的机器上运行并不能事前确定，那操作系统就不能在此给出对应于某台机器的物理地址。
阅读全文
摘要：Linux 下 C语言 open() 和 fopen() 区别 fopen() #include <stdio.h> FILE *fopen(const char *path, const char *mode); mode 指定文件的打开模式： r：只读方式打开一个文本文件（该文件必须存在） r+
阅读全文
摘要：1. 来源 从来源的角度看，两者能很好的区分开，这也是两者最显而易见的区别： open是UNIX系统调用函数（包括LINUX等），返回的是文件描述符（File Descriptor），它是文件在文件描述符表里的索引。 fopen是ANSIC标准中的C语言库函数，在不同的系统中应该调用不同的内核api
阅读全文
摘要：主成分分析是一种降维算法，它能将多个指标转换为少数几 个主成分，这些主成分是原始变量的线性组合，且彼此之间 互不相关，其能反映出原始数据的大部分信息。一般来说， 当研究的问题涉及到多变量且变量之间存在很强的相关性时， 我们可考虑使用主成分分析的方法来对数据进行简化。 主成分分析是把原来多个变量划为少
阅读全文
摘要：拟合优度R2较低怎么办 （1）回归分为解释型回归和预测型回归。 预测型回归一般才会更看重𝑅2。 解释型回归更多的关注模型整体显著性以及自变量的统计显著性和经济意义显著 性即可。 （2）可以对模型进行调整，例如对数据取对数或者平方后再进行回归。 （3）数据中可能有存在异常值或者数据的分布极度不均匀。
阅读全文
摘要：进入曲线拟合工具箱界面“Curve Fitting tool” （1）点击“Data”按钮，弹出“Data”窗口； （2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名“Data set name”，然后点击“Create data set”按钮，退出“Data”窗口，返回工
阅读全文
摘要：1、用法：DataFrame.drop(labels=None, axis=0, index=None, columns=None, inplace=False) 2、参数说明： labels：要删除的行/列的名字，用列表给出 axis：默认为0，即删除行，删除列时指定为1 index：直接指定要删
阅读全文
摘要：什么时候用到微分方程模型 在遇到一些实际问题时，当直接导出变量之间的函数关系较为困难，但导出包含未知函数的导数或微分的关系式较为容易时，可用建立微分方程模型的方法来研究该问题
阅读全文
摘要：求解思路若⼀个规划问题中有多个⽬标, 例如企业在保证利润最⼤时也要保证⽣产时产⽣的 污染最少。这种情况下我们可以对多⽬标函数进⾏加权组合, 使问题变为单⽬标规划 , 然后再利⽤之前学的知识进⾏求解。 将多目标规划转化为单目标规划问题，即对上面的两个目标函数进行加权。 如果两个目标函数的单位不同，我们
阅读全文
摘要：线性规划的一般形式 数学规划的分类 1、线性规划：如果目标函数f（x）的约束条件均是决策变量的线性表达式、 2、非线性规划：当目标函数f（x）或者约束条件中有一个是决策变量x的非线性表达式。 3、整数规划：一类要求变量取整数值的数学规划。线性整数规划 4、0-1规划:整数变量的取值只能为0和1 线性
阅读全文
摘要：⭐找到最合适的模型进行操作 1、虚拟变量 2、两种二分类方法都用上 3、正确率过高可能存在过拟合情况 4、分测试组和实验组继续拟合（交叉分析）
阅读全文
摘要：LDA(Linear Discriminant Analysis)是一种经典的线性判别方法，又称Fisher判别 分析。该方法思想比较简单:给定训练集样例，设法将样例投影到一维的直线 上，使得同类样例的投影点尽可能接近和密集，异类投影点尽可能远离。 核心问题：找到线性系数向量 结果分析 Fisher
阅读全文
摘要：数据预处理（生成虚拟变量） 对于因变量为分类变量的情况，我们可以使用逻辑回归进行处理。 把y看成事件发生的概率，y>0.5表示发生；y<0.5表示不发生 线性概率模型（Linear Probability Model，简记LPM）直接用原来的回归模型进行回归 限制条件（两点分布--伯努利分布） 连接
阅读全文
摘要：检验多重共线 如果发现存在多重共线性，可以采取以下处理方法。 (1)如果不关心具体的回归系数，而只关心整个方程预测被解释变量的能力，则通常可以不必理会多重共线性（假设你的整个方程是显著的）。这是因为，多重共线性的主要后果是使得对单个变量的贡献估计不准，但所有变量的整体效应仍可以较准确地估计。 (2)
阅读全文
摘要：扰动项要满足的条件 Var为方差 自相关：当i不等于j的时候，任何两个扰动项相关系数为0 横截面数据容易出现异方差的问题； 时间序列数据容易出现自相关的问题。 异方差 如果扰动项存在异方差： （1）OLS估计出来的回归系数是无偏、一致的。 （2）假设检验无法使用（构造的统计量（t统计量）失效了）。
阅读全文
摘要：为了更为精准的研究影响评价量的重要因素（去除量纲的影响）， 我们可考虑使用标准化回归系数。 对数据进行标准化，就是将原始数据减去它的均数后，再除以该变 量的标准差，计算得到新的变量值，新变量构成的回归方程称为标准化 回归方程，回归后相应可得到标准化回归系数。 标准化系数的绝对值越大，说明对因变量的影
阅读全文
摘要：// 按键盘上的PageUp可以使用上一次输入的代码（Matleb中是上箭头）// 清除所有变量clear// 清屏 和 matlab的clc类似cls // 导入数据（其实是我们直接在界面上粘贴过来的，我们用鼠标点界面导入更方便 本条请删除后再复制到论文中，如果评委老师看到了就知道这不是你写的了）
阅读全文
摘要：⭐在任何回归模型求解前先进行方差F检验 1、描述性统计。列万描述性统计一定要补充说明每个数据的特点 例子如下 2、线性模型假设 2.1、列出指标总体情况介绍 假设自变量X={x1,x2,x3,x4,x5},因变量y=4,且满足如下线性关系： 其中μ为无法观测且完全随机的扰动项。 3、模型的求解 一、
阅读全文
摘要：1、绘制散点图 2、进行正态JB分布检验。（大样本检验n>30） 代码如下 % 用循环检验所有列的数据 n_c = size(Test,2); % number of column 数据的列数 H = zeros(1,6); % 初始化节省时间和消耗 P = zeros(1,6); for i =
阅读全文
摘要：显著性检验 标***表示（p<0.01,说明在99%的置信水平上拒绝原假设） 标**表示（p<0.05,说明在95%的置信水平上拒绝原假设） 标*表示（p<0.10,说明在95%的置信水平上拒绝原假设）
阅读全文
摘要：总体——所要考察对象的全部个体叫做总体. 我们总是希望得到总体数据的一些特征（例如均值方差等） 样本——从总体中所抽取的一部分个体叫做总体的一个样本 计算这些抽取的样本的统计量来估计总体的统计量： 例如使用样本均值、样本标准差来估计总体的均值（平均 水平）和总体的标准差（偏离程度）。 相关系数容易忽
阅读全文
摘要：高次插值会产生龙格现象，即在两端处波动极大,产生明显的震荡。在不熟悉曲线 运动趋势的前提下，不要轻易使用高次插值。
阅读全文
摘要：最小二乘法 拟合过程：从数据散点图中选择合适的函数进行拟合 1、先画出数据散点图 2、再找合适的函数进行拟合 算法 function [fitresult, gof] = createFit(x, y) %% Fit: 'untitled fit 1'. [xData, yData] = prepa
阅读全文
