原创 雙變量的t檢驗

要求:量變量服從正態分佈 實例與SPSS演示: 用SPSS打開文件;ttest2.sav。下載地址:https://download.csdn.net/download/weixin_42141390/11701140;路徑爲:.\9\t

原创 方差分析與單因素方差分析

研究分類型自變量對數值型因變量的影響。檢驗統計的設定和檢驗方法與變量間的方差是否相等有關。 例如研究行業、服務等級對投訴數的影響:如表格中給出4個行業、每個行業有3個服務等級、樣本容量爲7、觀測值爲投訴數。則構成一個3維的矩陣。 在上述基

原创 配對變量t檢驗

區別雙變量t檢驗,見:https://mp.csdn.net/postedit/100640098 配對變量爲兩兩相關的變量:如敷藥前後體重變化。 要求:兩變量服從正態分佈。   SPSS演練 打開數據文件:ptest.sav 載地址:h

原创 參數檢驗之t檢驗

參數檢驗之概念 參數檢驗:包括參數估計、假設檢驗。參數檢驗即,在已知隨機變量總體分佈類型的前提下,估計隨機變量總體分佈的參數,如總體分佈的均值、方差等,並對估計值進行假設檢驗,已判斷估計值是否可信。 所謂假設檢驗,即設定原假設H_0,一般

原创 Dijkstra解決TSP問題

TSP問題 問題重述: 已知圖G(V,E,W) V(G)爲頂點集、E(G)爲邊集、W(G)各邊的權重集 求頂點集T,是的(T)最小   問題分析:從G中我們可以得知距離矩陣D,dij爲i與j的距離;要求求解一個0-1矩陣X,xij=1表示

原创 經典密碼學雜談

  摘要: 本文首先介紹加密法的發展歷程,後將結合案例介紹兩種經典的加密法以及其對應的密碼分析方法,最後將總結以上說談,並簡單的介紹其餘的經典加密法。 關鍵詞:加密法;密碼分析;加密法發展史;Vigenere加密法;keyword加密法;

原创 machine learning yearning 第二章

How to use this book to help your team 如何使用這本書? 讀完這本書後,關於在機器學習問題上如何挑選一個合適的解決方案,你將會便得更加老練。 After finishing this book, y

原创 machine learning yearning 第五章

Your development and test sets 開發與測試集 讓我們會到喵喵圖片的案例:你運營者一個手機app,用戶向你的app上上傳各種圖片,但是你要讓機器自動找到喵咪的圖片。 Lets return to our ea

原创 machine learning yearning 第六章

Your dev and test sets should come from the same distribution 你的開發集和測試集應該來自同一份 你把你手機app上的圖片按市場區域分爲4類:(1)中國圖片(2)美國圖片(3)

原创 machine learning yearning 第一章

Why Machine Learning Strategy 三軍未動,戰略先行 機器學習是無數應用重要的應用的基礎,包括:搜索引擎、垃圾郵件分類、語音識別和產品推薦等。如果你或者你的團隊正在開發一個機器學習有關的應用,並且你想要藉此提高自

原创 machine learning yearning 第十二章

Takeaways: Setting up development and test sets 回顧與總結 選擇一個能夠反饋未來期望的開發集和測試集。而它們可能不同於訓練集 Choose dev and test sets from a

原创 程序預處理 -- 宏定義

大部分入門教材都很少提到預處理,在此給大家分享一下預處理各指示字的應用。 我們知道,源代碼要編譯成可執行文件,首先就必須經過預處理。而預處理就是把源文件中的指示字進行處理。而指示字(directive)一般放在程序開頭,並以#爲開頭的代碼

原创 數據結構的基本概念

當我們閱讀數據結構的有關書籍時,常常會半知不解,其中有很大一個原因在於我們不熟悉數據結構的概念,導致和作者沒有共同語言; 數據:數據是計算機處理的“原料”,可以理解爲一個超集。例如:數字、字符串、圖片和音頻等所有能被計算機處理的東西。記住

原创 淺談鏈表

鏈表是一種十分常見又重要的數據結構,就像幼兒園裏老師讓小朋友們手牽着手排成一排一樣,我們也可以將n個創建好的對象“牽”起來。第一個對象當然是老師,在最前面,最好一個無人可“牽”;我們可以用結構體類型實現簡單的鏈表(當然也可以用類來實現)。

原创 machine learning yearning 第十章

Having a dev set and metric speeds up iterations 大步前進——利用開發集和指標 我們事先難以知道那個方案能夠最好的解決問題。甚至老練的機器學習研究人員都需要踏破鐵鞋才能發現些令人滿意的東西