需求： 要根据一个enum的变量值做不同的操作。 问题： 虽然看起来变量值是对的，但是走不到分支中去。 原因： 变量的类型问题。（也有人说是typescript的bug，见参考）。在变量值的传输过程，可能会变为string类型。 解决办法： 变量前加一个+，确保switch检查的是一个number类 ...
分类：
编程语言 时间：
2018-04-28 11:49:15
阅读次数：
171
数据分析是从数据中提取有价值信息的过程，过程中需要对数据进行各种处理和归类，只有掌握了正确的数据分类方法和数据处理模式，才能起到事半功倍的效果，以下是数据分析员必备的9种数据分析思维模式：1. 分类分类是一种基本的数据分析方式，数据根据其特点，可将数据对象划分为不同的部分和类型，再进一步分析，能够进一步挖掘事物的本质。2. 回归回归是一种运用广泛的统计分析方法，可以通过规定因变量和自变量来确定变量
分类：
其他好文 时间：
2018-04-11 21:40:38
阅读次数：
178
一、模型概念 逻辑回归将线性函数复合于逻辑斯蒂函数中，用其取值估计分类概率，从而在空间形成超平面对样本点进行分类。 Logistic回归实质：发生概率除以没有发生概率再取对数。就是这个不太繁琐的变换改变了取值区间的矛盾和因变量自变量间的曲线关系。究其原因，是发生和未发生的概率成为了比值 ，这个比值就 ...
分类：
其他好文 时间：
2018-04-09 14:54:22
阅读次数：
240
案例1:使用逻辑回归模型,预测客户的信用评级 数据集中采用defect为因变量,其余变量为自变量 1.加载包和数据集 2.查看数据集, 结论:一共有10000行数据,56个变量,其数据集中没有空值,但是有极大值存在 3,数据清洗 修改前 修改后 结论:visit_cnt不再有不符合业务的极大值出现 ...
分类：
编程语言 时间：
2018-03-30 12:14:30
阅读次数：
379
今天我要写的是一段计算水费的程序`#include<stdio.h>intmain(void){inti;//定义自变量doublecost;//定义因变量cost=0;printf("请输入用水量：");//程序提示scanf_s("%d",&i);//用户输入用水量if(i<0){printf("0");}elseif(i<=15){cost=(4.0*i)/3
分类：
其他好文 时间：
2018-03-27 01:47:27
阅读次数：
155
一、序言 在统计学中，线性回归（Linear regression）是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。线性回归属于监督学习，因此方法和监督学习应该是一样的，先给定一个训练集，根据这个训练集学习出一个线性函数，然后测试这个函数训练的好不好（即 ...
分类：
其他好文 时间：
2018-03-06 12:47:57
阅读次数：
210
使用场景:结果变量是类别型,二值变量和多分类变量,不满足正态分布 结果变量是计数型,并且他们的均值和方差都是相关的 解决方法:使用广义线性模型,它包含费正太因变量的分析 1.Logistics回归(因变量为类别型) 案例:匹配出发生婚外情的模型 1.查看数据集的统计信息 结果:该数据从601位参与者 ...
分类：
编程语言 时间：
2018-02-23 00:47:06
阅读次数：
1507
神经网络基础 1.图计算 计算时有两种方法：正向传播和反向传播。正向传播是从底层到顶层的计算过程，逐步推出所求公式。反向传播是从顶层到底层，从已知的式子求出因变量的影响关系。 在这里用到的反向传播算法就是为了通过似然函数(成本函数)来确定要计算的参数。 在这里，logistic回归应用了反向传播，主 ...
分类：
其他好文 时间：
2018-02-18 21:56:53
阅读次数：
208
深度学习概论 1.什么是神经网络？ 2.用神经网络来监督学习 3.为什么神经网络会火起来？ 1.什么是神经网络？ 深度学习指的是训练神经网络。通俗的话，就是通过对数据的分析与计算发现自变量与因变量的映射关系(神经网络模型)，这个映射关系可以是单层(一个神经元)，也可以是网络(多个神经元)，此过程可称 ...
分类：
其他好文 时间：
2018-02-15 16:35:20
阅读次数：
196
多元线性回归的计算模型 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元线性 ...
分类：
其他好文 时间：
2018-02-15 12:13:41
阅读次数：
160
