主成分分析(Principe Component Analysis，PCA)，属于最常用的降维方法之一。顾名思义，主成分分析就是找出数据的主要部分来替代表示原始数据。所谓主要部分，就是用它来表示原始数据时，误差小。那么如何衡量这个误差呢？首先，将数据从高维降低到低维，实际上就是找一个超平面，使其能够... ...
分类：
编程语言 时间：
2019-10-02 20:35:27
阅读次数：
150
生物统计与实验设计 样本均值的分布推导 概率密度曲线上每点x取值概率是不相等的。标准化是转化为无量纲的表面误差，该分布是误差分布，置信区间是可接受该误差是随机误差的误差区间。上面的部分是该估计参数与平均数的差，即表面差异，下边是标准差，标准差的量纲和表面差异量纲一致。 假设检验是支持H1假设的，H1 ...
分类：
其他好文 时间：
2019-10-02 00:53:22
阅读次数：
135
应用统计学 独立样本：清华女生vs国科大女生 后面小样本验证正态的方法： 大样本将样本方差就认为是总体方差，与t分布无关。 前提条件：小样本两个独立样本，且都是正态总体。 标准差相同时，自由度直接相加，因为形状相同。 标准差不同时，则图像不能直接调成一种分布，所以要再调权重： 以上，标准差不同在计算 ...
分类：
其他好文 时间：
2019-10-02 00:36:20
阅读次数：
122
BP算法为深度学习中参数更新的重要角色，一般基于loss对参数的偏导进行更新。 一些根据均方误差，每层默认激活函数sigmoid（不同激活函数，则更新公式不一样） 假设网络如图所示： 则更新公式为： 以上列举了最后2层的参数更新方式，第一层的更新公式类似，即上一层的误差来自于下一层所有的神经元，e的 ...
分类：
编程语言 时间：
2019-10-01 22:30:28
阅读次数：
153
开发的原因，需要对吞吐量（TPS）、QPS、并发数、响应时间（RT）几个概念做下了解，查自百度百科，记录如下： 1. 响应时间(RT) 响应时间是指系统对请求作出响应的时间。直观上看，这个指标与人对软件性能的主观感受是非常一致的，因为它完整地记录了整个计算机系统处理请求的时间。由于一个系统通常会提供 ...
分类：
其他好文 时间：
2019-09-27 10:40:03
阅读次数：
61
我本来就是处理时间序列异常检测的，之前用了全连接层以及CNN层组成的AE去拟合原始时间序列，发现效果不佳。当利用LSTM组成AE去拟合时间序列时发现，拟合的效果很好。但是，利用重构误差去做异常检测这条路依旧不通，因为发现异常曲线的拟合效果也很好……算了，这次先不打算做时间序列异常检测了。在这里把“基 ...
分类：
其他好文 时间：
2019-09-26 00:13:49
阅读次数：
309
基于样本分布与理论分布之间的偏离程度构建统计量，得到一个统计量的抽样分布。 判断样本分布与理论分布之间的偏离程度是抽样误差还是实质性变化，具体而言就是样本值与理论值之间的差值是抽样误差造成的还是本身就这样。令样本统计量（O）与总体真值（E）之间的差值作为统计量，用平方（O-E）来表现样本分布与理论分 ...
分类：
其他好文 时间：
2019-09-25 12:34:53
阅读次数：
184
再谈最小平方问题 有了矩阵求导工具后，我们可以寻找最小化损失函数的参数值的闭式解（closed form solution）。首先我们先把这个损失函数表达成向量的形式。 把每个训练样本放在矩阵一行，可以得到一个$m \times n$ 设计矩阵$X$ （design matrix） ，即 $$ X= ...
分类：
其他好文 时间：
2019-09-23 15:24:17
阅读次数：
126
尝试用卷积AE和卷积VAE做无监督检测，思路如下： 1.先用正常样本训练AE或VAE 2.输入测试集给AE或VAE，获得重构的测试集数据。 3.计算重构的数据和原始数据的误差，如果误差大于某一个阈值，则此测试样本为一样。 对于数据集的描述如下： 本数据集一共有10100个样本，每个样本是1行48列的 ...
分类：
其他好文 时间：
2019-09-22 13:03:21
阅读次数：
94
import keras import numpy as np import matplotlib.pyplot as plt # Sequential按顺序构成的模型 from keras.models import Sequential # Dense全连接层 from keras.layers... ...
分类：
其他好文 时间：
2019-09-22 11:14:12
阅读次数：
136
