动态脚本编写的学习与假设分析 - 学习.groovy.3.java-based.dynamic.scripting.2nd.edition (PDF下载)

第十七章马氏链模型，随机过程的概念是描述随机现象变化过程的概率规律性。随机过程理论研究随机变量随时间变化的规律，马尔可夫链是一类特殊的随机序列，参数集合T可以看作时间。本章介绍了马尔可夫链的定义及其在实际系统中的应用。

应用举例的代码资源里有个蛮实用的点子：用MATLAB跑马氏距离和线性分类，直接判断一个新厂家的产品能不能成为畅销品。说白了，就是拿历史 12 家厂的数据（包括式样、包装、耐久性），分类出哪种产品更受欢迎，看新来的得分是偏向哪一类。 评估维度也接地气：外观、包装、用得久——挺贴合真实商业场景的。不用自己造轮子，直接复制代码改下train和sample，跑一跑就有结果，响应也快。 代码本身也比较简单，核心就俩命令： [x1,y1] = classify(sample, train, group, 'mahalanobis') [x2,y2] = classify(sample, train, gr

The following differential schemes are used to solve the given problem: First Scheme: Combining equations (18), (21), and (22), we derive a differential scheme for solving problem (7). The general form is given as follows:[u^{n+1} = u^n + \Delta t \left( -\left( \frac{d^2 u}{dx^2} \right)^n \right

负梯度方向的直观，总能让人想起梯度下降这个经典算法。讲白了，就是从当前位置往目标函数下降最快的方向走。嗯，负梯度就是这么个“快车道”。你要是做过优化算法、神经网络或者机器学习相关的活儿，肯定绕不过去这个点。 页面里提到的kk ptxx +=+1和f 在点 kx 处的速下降方向，有点数学味儿，但其实核心思想简单——哪边下降快往哪走。要是你用过像sklearn、Matlab，或者自己手撸过C++优化逻辑，那你会发现这些资源链接还挺实用。 像这个sklearn实践分享，就挺适合想看代码实现的；而Matlab 实现 Adam 优化那篇，也不错，适合搞科研的同学参考。你要是图快，建议直接跳回归的梯度下降

在存在无风险资产的情况下，投资组合模型例6假设除了例5中的三种股票外，投资人还有一种无风险的投资方式，如购买国库券。假设国库券的年收益率为5％，如何考虑例5中的问题？ 问题分析表明，无风险的投资方式（如国库券、银行存款等）是有风险的投资方式（如股票）的一种特例，因此例5中的模型仍然适用。只是无风险的投资方式的收益是固定的，所以方差（包括它与其他投资方式的收益的协方差）都是0。 解决问题假设国库券的投资方式记为D，当希望回报率为15％时，对应的LINGO模型如下： MODEL: Title含有国库券的投资组合模型; SETS: STOCKS1/ A, B, C/: mean1; STST1(St

5.9 辅助函数1. @if(logical_condition, true_result, false_result) @if函数评估逻辑表达式logical_condition，若为真，则返回true_result；否则返回false_result。例子5.18 求解优化问题（min ygxf + s.t. ⎩ ⎨ ⎧ ≤ >+ = 0,2100 )( xx xf。

作者： Wes McKinney页数： 550语言： 英文出版商： O'Reilly Media出版日期： 2017-09-25ISBN-10： 1491957662ISBN-13： 9781491957660目录：- 前言- Python 语言基础、IPython 和 Jupyter 笔记本- 内置数据结构、函数和文件- NumPy 基础：数组和矢量化计算- pandas 入门- 数据加载、存储和文件格式- 数据清洗和准备- 数据处理：连接、合并和重塑- 绘图和可视化- 数据汇总和组操作- 插曲：数据分析示例- 时间序列- 高级 NumPy- 使用 pandas 的建模库- 示例数据集- 附

故障机器平均数为76.3，待修理机器平均数为77.2，每台机器发生故障的平均停工时间为12.15分钟，平均待修时间为341.246分钟。系统绝对通过能力为12.1台，即工人每小时可修理机器的平均台数为96.46。根据以上结果，机器停工时间过长，工人几乎没有空闲时间，应采取措施提高服务率或增加工人。

与之前的方法相似，2.3关于交互效应的双因素方差分析记∑∑∑ = = r i s j t k ijkxrst x 1 1 ， ∑ = • = t k ijkij xt x 1 1 ∑∑ = = •• = s j t k ijki xst x 1 1 1 ， ∑∑ = = •• = r i t k ijkj xrt x 1 1 1将全体数据对x的偏差平方和∑∑∑ = = = −= r i s j t k ijkT xxS 1 1 1 2)( （24）进行分解，可得ABBAET SSSSS +++= （25）其中∑∑∑ = = = •−= r i s j t k ijijkE xxS 1 1 1