03 2022 档案
摘要：numpy pandas 更多详细链接：https://zhuanlan.zhihu.com/p/61013882
阅读全文
摘要：目的： 统一不同量纲下的数据，消除量纲的影响。 通过中心化和标准化处理，得到均值为0，标准差为1的服从标准正态分布的数据。 。。。 详细链接：https://blog.csdn.net/GoodShot/article/details/80373372
阅读全文
摘要：dummy variable是用0或1表示某个类别是否出现，常见于分类问题。 为什么要dummy化？ 若用数字1-12表示1-12月，那么就潜在表示了12月和1月差的很远，其实离的很近 若用离散数字表示一地域，假如用数字1-23表示23个省，那么数字潜在的意思是，相邻的数字代表的省比较相似，差距的数
阅读全文
摘要：自编码器是一个重构输入的过程：# 实现数据降维，即用较少的数据维度表达数据特征（15维输入-6维输出）。 数据降噪。 参考链接（原理）：https://zhuanlan.zhihu.com/p/82415579 参考链接（含代码）：https://blog.csdn.net/ccamelliatre
阅读全文
摘要：1. 概念介绍 PAT（Process Analytical Technologies ）过程分析技术。 2. 文章目标 利用拉曼光谱装置记录的光谱，开发一种软测量模型，可以在线实时预测苯乙酸、生物量或青霉素的浓度。 3. 原理与工作步骤 3.1拉曼光谱模拟 模拟拉曼光谱分析仪：以9个平均积分时间1
阅读全文
摘要：1. 损失函数 定义： 1.1 MAE与MSE的比较 简单来说，MSE计算简便，但MAE对异常点有更好的鲁棒性。 详细介绍链接：https://www.jianshu.com/p/1ff7ae7ea9ef 2. 评价函数 定义：
阅读全文
摘要：1. 数据降维 1.1 为什么要数据降维 1. 维度灾难： 很难有一个简洁的模型在高维空间中依旧具有鲁棒性，而随着模型复杂度的增加，为保证结果同样的精度和准确性，所需要的数据也需要极大增加，而高维空间的数据本身具备稀疏性，可想而知如果真要这么做，需要的数据是难以估计的。当然并不是所有的高维空间都不好
阅读全文
摘要：简而言之，yield是一个暂停器，包含yield的函数会默认视为generator，generator是一个生成器。 generator，是一个记录了方法的生成器，其并不会将结果输出，而是等调用的时候再算，以此节省内存。 yield是一个暂停器，方法执行到yield a 时会停下，输出值a，再次方法
阅读全文
摘要：1. 多维数组 1.1 二维数组 即数组中的 元素是 一维数组：即[[1.2.3],[4.5.6],[7.8.9]]，其表示储存了一批向量，这批向量的组合就是矩阵。 Matrix是典型的二维数组：int[][] matrix = new int[n][n]我们对矩阵的储存与调用都是通过二维数组实现的
阅读全文
摘要：Java宏观总结 Java文件是类（class）的集合，它们以包（package）的形式组织起来。 Java文件运行的实质，是类文件的相互调用，即对象和方法的相互调用。 类包含 实例变量（对象属性）和 方法（对象行为），对象从类中创建。 通过引用变量调用对象（即对象遥控器），当引用变量存在是对象才存
阅读全文
摘要：1. Jupyter启动无法直接跳转到浏览器 https://zhuanlan.zhihu.com/p/409728896 2. Jupyter默认文件夹位置问题 step1:https://blog.csdn.net/limanjihe/article/details/106317245 step
阅读全文
摘要：1.pyplot绘图 1.1 pyplot绘制实时迭代图 代码如下示： import matplotlib.pyplot as plt ax = [] # 定义一个 x 轴的空列表用来接收动态的数据 ay = [] # 定义一个 y 轴的空列表用来接收动态的数据 plt.ion() # 开启一个画图
阅读全文
摘要：1. 工作思路 1.1 总体思路 本项目属于复杂工业过程中的软测量预测问题，目标是用 辅助变量（工业过程变量） 预测 目标变量（如产物浓度） 除预测之前需要解决两个问题：①性能退化问题（运行后基线漂移/过程状态渐变）（如TD算法）②辅助变量精选问题（类似敏感性分析）（PCA/PLS） 辅助变量的精选
阅读全文
摘要：1. pytorch学习 tensor 张量 Tensor是PyTorch中重要的数据结构，可认为是一个高维数组。是深度学习计算的基础。 tensor的介绍链接：https://www.jianshu.com/p/314b6cfce1c3 Pytorch-Geometric 入门教程 torch-G
阅读全文
摘要：0. 数据集来源 算法数据侠公众号，电力负荷数据/故障诊断数据。 1. 预测问题数据集 采样点数 = 采样频率 * 采样时间 eg：（采样频率25.6Khz,采样时间0.1s，则在此时间内，采样25.6k*0.1=2560个点） 1.1 PHM2012数据集 数据文件分为①acc_xxx，为振动数据
阅读全文
摘要：0. RUL问题的通常步骤 其步骤为： 数据处理（预处理与特征提取） 模型搭建 （搭建神经网络） 将处理好的数据送进模型（确保维度一致） 根据预测值与实际值计算评价指标。 需要解决明确的问题： 训练/预测 的对象是什么？ 数据选取的方式是什么？分层选取？逐次抽取？随机抽取？ 1. 数据处理 原始数据
阅读全文
