过拟合

模型拟合情况分为两种： 过拟合：模型在训练集上的表现过于理想，泛化能力较差。 拟合不足：模型在训练集上表现不佳，无法捕捉数据的规律。 理想模型应同时具有较低的训练误差和泛化误差。

过拟合：模型在训练集上的表现良好，但在新数据上表现不佳，泛化能力差。 欠拟合：模型未能从训练集中学习足够的信息，在新数据上表现不理想。 决策树的评估：使用交叉验证或划分数据集的方法来评估决策树的性能。

我个人参与的选定项目包括个人网站、Razer设备命令行界面、Goodreads年度字数统计、上课时间重叠检查器的Web版本修复、LaTeX BibTex引文清除工具、Reddit文本数据挖掘、SPMF数据挖掘库的Python包装器、综合IRC和Discord机器人、简单命令行颜色选择器、使用Python在Reddit上检索copypasta的工具、Linux配置文件和便利脚本、半条命2日子计数器、与上一本《冰与火之歌》相同学校项目Birb的3D单人飞鸟游戏、破坏chevalieR的3D非对称VR多人游戏、XP Android应用程序、使用极限编程实践开发的Android应用程序、内容审核生成器

介绍一种基于过零检测的信号频率提取算法，通过识别信号 y 在时域上的过零点，计算信号频率。该算法适用于分析周期性时间信号。

实现过球低频算法的关键函数解析 一、子函数说明 在过球低频算法的代码实现中，主要包括三个核心子函数：isAscending、isDescending 和 analyzeWave。 1. isAscending 该函数用于判断两个浮点数变量 prev 和 curr 是否呈现上升趋势。代码如下： bool isAscending(float prev, float curr) { return curr > prev; } 通过比较当前值 curr 是否大于前一个值 prev 来判断是否为上升沿。 2. isDescending 与 isAscending 类似，isDescending

提供过球信号识别方案、设计和测试相关内容。

本代码实现了多层过零率（MLZCR），为Matlab和Python提供通用版本，支持任意长度的信号帧处理。MLZCR可以在信号的最小值和最大值之间进行零交叉计算，以实现能量分解。输入参数包括信号帧长度、过零层数，以及可选的信号静态最小值和最大值。每层计算得到的过零数量和过零率可以方便地输出。详细内容参考文献[1]：PA Schirmer和I. Mporas，“使用多层零交叉率的低采样频率测量中的能量分解”，2020年ICASSP国际会议。

在 MATLAB 中，可以使用函数 x=fzero(h_fun,x0) 或 x=fzero('fun',[x1,x2]) 来计算函数在指定点附近或区间内的过零点或满足某个常数的自变量值。

拟合与统计回归：区别与联系 拟合与统计回归，两者都涉及寻找一个函数来描述数据，但侧重点有所不同。拟合更关注函数对数据的逼近程度，力求找到一个函数，使函数曲线尽可能地接近数据点。统计回归则更关注数据背后变量间的关系，力求找到一个函数，解释自变量如何影响因变量。 统计回归 统计回归分析主要分为线性回归和非线性回归。 线性回归 线性回归假设自变量与因变量之间存在线性关系。在MATLAB中，可以使用regress命令进行线性回归分析。regress命令可以提供回归系数、置信区间等统计信息，帮助我们理解变量之间的关系。 非线性回归 当自变量与因变量之间关系复杂，无法用线性函数描述时，需要使用非线性回归。

ME3255 计算力学 (2017 年春季) 课程简介: 本课程教授学生使用 Matlab/Octave 进行科学编程。内容涵盖数值方法、最佳编程实践和版本控制，并将这些方法应用于解决各种物理问题。 学习目标: 学生将能够创建线性和非线性问题的数值近似。 学生将理解由浮点运算和数值方法产生的近似值。 学生将学会使用数值微分和积分方法求解微分方程。 学生将学习 Git 版本控制、Matlab/Octave 函数和编程最佳实践。 课程安排: 时间：上午 9:30-10:45 地点：Francis L. Castleman bdg (CAST) 会议室 212 授课教师: Ryan C.