-
约束条件耦合的风路可靠度新数学模型
2020-05-31 17:57:23针对目前风量分布中依靠经验认识全部近似认为是正态分布的情况,利用概率图分析法给出了判断风量分布的严格定义,且给出了基于对数正态分布的风量分布模型,证明了并非所有风量分布均服从正态分布。正态分布由于规律性... -
论文研究-相依风险的车险准备金评估.pdf
2019-09-20 18:56:33本文在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上,建立了各个业务线增量已决赔款相互依赖的藤Copula回归模型,并将此模型应用于一组实际的车险数据,结果表明,考虑相依关系的藤... -
数据科学组合:我的数据科学项目组合-源码
2021-02-03 08:34:27自1960年以来,将幂律和对数正态分布应用于美国婴儿名字数据。 使用自举技术查找幂律参数的分布 搜寻Twitter以找到20000个随机用户,并将幂律分布分配给用户的朋友数和关注者数。 关键字(R,幂律,自举,对数正态... -
论文研究-基于MRSVD和VPMCD的轴承故障智能诊断方法研究.pdf
2019-09-10 13:33:27利用MRSVD对轴承加速度振动信号进行多层分解,提取包含故障特征的细节信息,建立对数正态分布模型,凸显细节信息中的非高斯特性,计算对数均值和对数标准差构造特征向量,并采用VPMCD方法进行故障识别。将该方法应用... -
安太堡矿南端帮岩体三维裂隙网络及块体研究
2020-06-01 12:43:51统计结果表明,观测面上的裂隙方向服从费舍尔分布,裂隙迹长服从对数正态分布。根据每组裂隙的数量和裂隙迹长的均值、标准差、一维密度的值,应用Monte-Carlo法原理模拟端帮三维裂隙网络。根据裂隙模型,建立了块体理论... -
基于场景几何特征的ETC识别范围预测方法.pdf
2019-09-20 10:53:36基于场景几何特征的ETC识别范围预测方法.pdf,超高频(UHF)...实际场景测试与仿真表明,能较精确预测标签在三维空间中的接收功率分布和识别范围,且精确性高于对数正态等经验模型,而复杂性低于电磁场的商用仿真软件。 -
Python基础学习:random模块
2018-04-17 17:43:33random——伪随机数生成模块 该模块... 实际应用中,该模块有专用函数生成符合均匀分布、正态分布、对数分布、负指数分布、伽马分布、贝塔分布的函数。对于生成角,只支持冯·米塞斯分布。几乎所有的模块函数都...random——伪随机数生成模块
该模块包含构造伪随机数生成器的多个方法。对于整数,伪随机数有统一的选择范围;对于序列,选择的随机元素有统一标准,一个是在当前列表中进行随机排序,另一个是从种子样本中随机生成一个序列。
实际应用中,该模块有专用函数生成符合均匀分布、正态分布、对数分布、负指数分布、伽马分布、贝塔分布的函数。对于生成角,只支持冯·米塞斯分布。几乎所有的模块函数都依赖于基本函数random(),该函数在半开放范围[0.0,1.0)内均匀地生成随机浮点数。Python使用Mersenne Twister作为核心生成器。它生成53位精度浮点数,周期为2 ** 19937-1。
1. 簿记函数
random. seed(a=None, version=2)
初始化随机数生成器。如果a被省略或被赋值为None,则使用当前系统时间为随机源;如果当前操作系统提供随机数源,其优先级高于系统时间。如果a是一个整数,那么直接使用它。
random.getstate()
捕获当前随机数生成器的内部状态,并将其返回。
random.setstate(state)
state应当为在调用该函数之前调用getstate()函数时获取的生成器状态值,并且在执行setatate()后,生成器将会回到以前那个状态。
random. getrandbits(k)
返回一个k位的整数,该整数每位都由随机数构成。
2. 针对整数的随机函数
random. randrange(stop)
random. randrange(start, stop[, step])
该函数等价于choice(range(start, stop, step))或choice(range(stop))意味着给出的随机值属于后面参数定义的值的范围内。
random.randint(a, b)
返回一个随机整数,这个整数大于等于a小于等于b。
3. 针对序列的随机函数
random.choice(seq)
从非空序列seq中随机返回一个元素。
random. choice(population, weights=None, *, cum_weights=None, k=1)
从population中随机选择k个可修改的元素组成一个新的列表,并将其返回。population不能为空。如果weights(权重序列)被给出,选择将会根据相应的权重规划而进行。如果cum_weights被给出,选择将会依据累计权重的方式进行。(类似于:权重序列为[1,2,3,4],累计下来的结果是[1,3,6,10])。
random. shuffle(x[, random])
将序列x随机混合。可选参数random为0参数函数,它会随机返回[0.0, 1.0)内的一个浮点数。
random.sample(population, k)
从population这个序列或集合中随机选择非重复的k个元素组成一个新的列表,该函数用于非替换的随机取样样本。
4. 实数域内概率分布模型所对应函数
该模块内的随机函数,其输出的随机值符合其函数名所示的概率分布模型。
random.random()
从[0.0, 1.0)中随机返回一个浮点数。
random.uniform(a, b)
从a与b确定的范围中随机返回一个浮点数。
random.triangular(low, high, mode)
返回一个随机浮点数N,low<=N<=high,并且mode一定在这个范围内。mode被定义为该区间的重点,给出以它为中点的对称分布。
random.betavariate(alpha, beta)
Beta(β)分布,两个参数必须都大于零,返回值在0与1之间。
random.expovariate(lambd)
指数分布,lambd为1.0处于该分布被期望的均值。
random. gammavariate(alpha, beta)
Gamma(伽马γ)分布,参数必须大于零。分布函数等价于:
x ** (alpha -1) * math.exp(-x / beta)
pdf(x) = --------------------------------------
math.gamma(alpha) * beta ** alpha
random.gauss(mu, sigma)
高斯(正态)分布,mu是均值,sigma是标准差。
random. lognormvariate(mu, sigma)
对数正态分布。如果你在这个分布中采取自然对数,你会得到一个均值为mu,标准差为sigma的正态分布。
random. normalvariate(mu, sigma)
正态分布,比gauss(mu, signa)实现的慢。
random.vonmisesvariate(mu, kappa)
冯米塞斯分布。mu是角的平均弧度,范围[0, 2*pi];kappa是密度参数,它必须大于等于0。当kappa等于0时,该分布退化为[0, 2*pi]上的标准随机分布。
random. paretovariate(alpha)
帕累托分布,alpha是形状参数。
random. weibullvariate(alpha, beta)
威布尔分布,alpha为规模参数,beta是形状参数。
5. 替代产生器
class random. System([seed])
使用os.urandom()函数从操作系统提供的源生成随机数的类。不适用于所有系统。不依赖于软件状态,并且序列不可重现。因此,seed()方法不起作用并被忽略。如果调用getstate()和setstate()方法会引发NotImplementedError。
6. 重复性说明
有时候能够重现伪随机数生成器产生的序列是十分有用的。通过重复使用随机数种子值,只要多个线程没有运行,相同的序列应该在一次又一次的运行中再现。
在Python的版本中,大多数的随机模块实现的算法和种子函数都发生了一定的改变,但有两方面与其他程序中的随机模块没有差别:
①如果一个新的种子模块被添加,那么将配置一个向后兼容的播种机;
②如果给出相同的种子,生成器的random()模块会生成同样的序列。
-
线性回归模型
2018-06-12 12:37:08实际问题中,很多随机现象可以看做众多因素的独立影响的综合反应,往往服从正态分布似然函数对数似然目标函数过拟合正则项同时使用L1正则和L2正则的线性回归模型就称为Elasitc Net算法(弹性网络算法)实际应用中,...题目:
最终要求是计算出theta的值,并选择最优的tehta 值构成算法公式
误差
是独立同分布的,服从均值为0,方差为某定值
的高斯分布,原因:中心极限定理。实际问题中,很多随机现象可以看做众多因素的独立影响的综合反应,往往服从正态分布
- 似然函数
- 对数似然
目标函数
- 过拟合正则项
同时使用L1正则和L2正则的线性回归模型就称为Elasitc Net算法(弹性网络算法)
实际应用中,数据的维度中是存在噪音和冗余的,稀疏的解可以找到有用的维度并且减少冗余,提高回归预测的准确性和鲁棒性(减少了overfitting),L2-norm中,由于对于各个维度的参数缩放是在一个圆内缩放的,不可能导致有维度参数变为0的情况,那么也就不会产生稀疏解;而L1-norm可以达到最终解的稀疏性的要求。Ridge模型具有较高的准确性、鲁棒性以及稳定性;LASSO模型具有较高的求解速度。如果既要考虑稳定性也考虑求解的速度,就使用Elasitc Net
- 最小二乘法的参数theta最优解
最小二乘法的使用要求矩阵 X T X 是可逆的;为了防止不可逆或者过拟合的问题存在,可以增加额外数据影响,导致最终的矩阵是可逆的
:,最小二乘法直接求解的难点是:矩阵逆的求解是一个难处
- 梯度下降求解
批量梯度下降BGD
随机梯度下降SGD
小批量梯度下降MBGD
BGD、SGD、MBGD的区别: 当样本量为m的时候,每次迭代(遍历m个样本)
BGD算法中对于参数值更新一次,SGD算法 中对于参数值更新m次,MBGD算法中对于参数值更新m/n次,相对来讲 SGD算法的更新速度最快;
SGD算法中对于每个样本都需要更新参数值,当样本值不太正常的时候,就 有可能会导致本次的参数更新会产生相反的影响,也就是说SGD算法的结果 并不是完全收敛的,而是在收敛结果处波动的;
SGD算法是每个样本都更新一次参数值,所以SGD算法特别适合样本数据量 大的情况以及在线机器学习(Online ML)。
-
无线通信原理与应用第二版中文版
2010-10-31 20:52:413.9.2 对数正态阴影 3.9.3 确定覆盖面积百分率 3.10 室外传播模型 3.10.1 Longley-Rice模型 3.10.2 Durkin模型:一个实例研究 3.10.3 Okumura模型 3.10.4 Hata模型 3.10.5 Hata模型的PCS扩展 ... -
无线通信原理与应用(第一版) 中文版
2011-05-01 21:35:173.9.2 对数正态阴影 3.9.3 确定覆盖面积百分率 3.10 室外传播模型 3.10.1 Longley-Rice模型 3.10.2 Durkin模型:一个实例研究 3.10.3 Okumura模型 3.10.4 Hata模型 3.10.5 Hata模型的PCS扩展 ... -
你必须知道的495个C语言问题
2015-10-16 14:14:28然后根据实际的机器环境把它们定义为int、short、long等类型。这样看来,所有的问题都解决了,是吗? 1.4 新的64位机上的64位类型是什么样的? 指针声明 1.5 这样的声明有什么问题?char*p1,p2;我在使用p2的时候... -
LINGO软件的学习
2009-08-08 22:36:50对实际问题建模的时候,总会遇到一群或多群相联系的对象,比如工厂、消费者群体、交通工具和雇工等等。LINGO允许把这些相联系的对象聚合成集(sets)。一旦把对象聚合成集,就可以利用集来最大限度的发挥LINGO建模... -
金融时间序列分析(中文第3版)Ruey S. Tray 清晰带书签
2018-10-05 17:06:147.3.2 在条件正态分布下的预期损失 285 7.4 分位数估计 285 7.4.1 分位数与次序统计量 285 7.4.2 分位数回归 287 7.5 极值理论 288 7.5.1 极值理论的回顾 288 7.5.2 经验估计 200 7.5.3 对股票收益率的应用 ... -
你必须知道的495个C语言问题(高清版)
2010-03-31 16:24:09然后根据实际的机器环境把它们定义为int、short、long等类型。这样看来,所有的问题都解决了,是吗? 2 1.4 新的64位机上的64位类型是什么样的? 3 指针声明 3 1.5 这样的声明有什么问题?char *p1, p2; 我... -
Excel公式与函数大辞典.宋翔(带书签高清文字版).pdf
2019-03-02 08:33:51本书从函数功能、函数格式、参数说明、注意事项、Excel 版本提醒、案例应用、交叉参考7 个方面,全面、细致地介绍了Excel 2016/2013/2010/2007/2003 中公式和函数的使用方法、实际应用和操作技巧。最后3 章还将公式... -
《你必须知道的495个C语言问题》
2010-03-20 16:41:18然后根据实际的机器环境把它们定义为int、short、long等类型。这样看来,所有的问题都解决了,是吗? 2 1.4 新的64位机上的64位类型是什么样的? 3 指针声明 3 1.5 这样的声明有什么问题?char *p1, p2; 我... -
Java常用算法手册(第3版).宋娟(带详细书签).pdf
2018-10-22 23:41:446.3.5 正态分布的随机数生成算法 6.4 复数运算 6.4.1 简单的复数运算 6.4.2 复数的幂运算 6.4.3 复指数运算 6.4.4 复对数运算 6.4.5 复正弦运算 6.4.6 复余弦运算 6.5 阶乘 6.5.1 使用循环来计算阶乘 6.5.2 使用递... -
Java常用算法手册.赵志云(带详细书签).pdf
2018-10-23 00:12:536.3.5 正态分布的随机数生成算法 173 6.4 复数运算 174 6.4.1 简单的复数运算 175 6.4.2 复数的赛运算 177 6.4.3 复指数运算 178 6.4.4 复对数运算 180 6.4.5 复正弦运算 181 6.4.6 复余弦运算 182 6.5 ... -
中文版Excel.2007图表宝典 2/2
2012-04-06 19:01:3612.2.3 以百分比变化和实际变化的形式绘图/321 12.2.4 Bin大小不等的分组/321 12.3 图表类型选择的问题/322 12.3.1 分类坐标轴和值坐标轴/322 12.3.2 使用饼图的问题/323 12.3.3 考虑可选的图表类型/326 12.3.4 使用...
-
JavaScript高级 => reduce()的使用
-
[Vue warn]: Error in render: “TypeError: Cannot read property ‘length‘ of undefined“ found in
-
ELF视频教程
-
2021年HCIA安全H12-711 增加新题填空题.txt
-
项目管理工具与方法
-
进行Kotlin实战开发前,你应了解的那些技术点
-
FTP 文件传输服务
-
tiff-4.2.0.tar.gz
-
Galera 高可用 MySQL 集群(PXC v5.6 + Ngin
-
access应用的3个开发实例
-
python爬虫实践(爬取b站排行榜)
-
mysql笔记
-
Filecoin 家用挖矿可行性
-
BAPI_FIXEDASSET_OVRTAKE_CREATE 创建资产并折旧
-
Sensitivity enhancement of distributed polarization coupling detection in Hi-Bi fibers
-
响应式编程入门与实战(Reactor、WebFlux、R2DBC)
-
IP代理中静态IP和动态IP有何不同?
-
大型超市监控系统解决方案.doc
-
HL课程家庭作业-源码
-
iOS美白/灰色/旋转/合成图片(添加文字)