摘要： 两阶段单纯形法 线性规划问题基本定理 若一个问题提存在容许域，则其容许域为凸集 线性规划问题有容许解，则必有基本容许解 线性规划问题有最优解，则必有最优基本容许解 线性规划问题的基本容许解对应容许域的顶点 线性规划问题存在有限最优解，则其目标函数最优值一定可以在容许域顶点达到 单纯形法思路 根据问题 阅读全文

摘要： 最优化问题与预备知识 最优化问题数学模型 一般模型： \(opt f(\vec{x})=f(x_1,x_2,\dots ,x_n){\quad}(\,min f(\vec{x}){\quad}or{\quad}max(f(\vec{x})\,),\quad (1)\) \(s.t. \begin{c 阅读全文

摘要： nn.LSTM(input_dim,hidden_dim,nums_layer,batch_first) 各参数理解： input_dim：输入的张量维度，表示自变量特征数 hidden_dim：输出张量维度 bias：True or False 是否使用偏置 batch_first：True or 阅读全文

摘要： 感知机 给定输入x, 权重w, 偏移b, 感知机输出： $$o=\sigma(<w,x>+b){\quad \quad} \sigma(x)=\begin{cases} 1& \text{if x>0}\ 1& \text{others} \end{cases} \[ 相当于给所有样本点画一条线，将 阅读全文

摘要： 统计学习方法三要素 方法=模型+策略+算法 构建一种统计学习方法就是确定具体的统计学习三要素 1.模型 统计学习首要考虑的问题就是学习什么样的模型。在监督学习过程中，模型就是所要学习的条件概率或决策函数。 模型的假设空间：包括所有可能的条件概率分布或决策函数 假设空间用$F$表示。假设空间可以定义为 阅读全文

摘要： 原文：《Preventing bad plans by bounding the impact of cardinality estimation errors》 摘要 文章定义了一个衡量基数估计好坏的criterion：Q-error. 对于我们给定的一个bound(边界)，如果q-error小于 阅读全文

摘要： 手动实现线性回归 点击查看代码 import torch import pandas as pd import numpy as np import matplotlib.pyplot as plt import random from torch.utils import data 构造一个人造数 阅读全文

摘要： Are we ready for learned Cardinality Estimation 摘要 文章包括三大部分： 对于一个静态的数据库，本文将五种基于学习的基数估计方法与九中传统的基数估计方法在四个现实世界的数据集和统一的工作负载上进行了比较。结果说明基于学习的基数估计方法比传统方法更加准确 阅读全文

摘要： 决策树笔记整理 算法原理 决策树是一种简单但是被广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。它有两个有点：（1）决策树模型可读性好，具有描述性，有助于人工分析；（2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。 构建决策树的基本步 阅读全文

摘要： import numpy as np import numpy.random import scipy.special class NeuralNetwork: # initialise the neural network def __init__(self, input_nodes_num, h 阅读全文