★深度学习；模式识别；图像处理；人工智能建模；人工智能；深度学习算法；强化学习；神经网络；卷积神经网络；人工神经网络；VIBE算法；控制系统仿真；机器学习；高性能计算；数据挖掘；超算；ACL；算力；计算机视觉；PSU；Transformer；PLM；SLM；NLM；LLM；Galactica；OPT；OPT-IML；BLOOM；BLOOMZ；GLM；Reddit；H100；H800；A100；A8
本笔记为本人听课笔记，作为辅助学习及督促自我学习用，有需要的同学可以一起参考学习哟~~今天学习内容开始进入统计学了，啊啊啊啊，完全没有学过~~不过徐杨老师讲的特别好，说的内容都很容易理解，只不过吸收还是需要时间的，哈哈~~加油加油！~昨天复习的Excel动态图表制作流程也梳理了一遍，一起附上吧，嘿嘿11-25 笔记.pdf11-24 复习动态图表流程.pdf
提问 ------
1.行列式的性质行列式的转置 将行列四D的行与列互换后得到的行列式，称为D的转置行列式，记为DT或D’。性质1 将行列式转置，行列式的值不变，即DT=D.性质2 互换行列式的两行（列），行列式的值变号。推论 如果行列式中有两行（列）的对应元素相同，则此行列式的值为零。说明 由此性质可知，行列式的行具有的性质，它的列也具有。性质3 用数k乘行列式的某一行（列），等于以数k乘此行列式。推论1 如果行
一：准备数据1、有目标、有业务逻辑2、有数据3、依据业务和目标理解数据，取子集二：洗数据清洗：1、缺失值2、异常值三：建模四：落地
明确需求（因变量Y）采集数据，数据清洗（缺失值，异常值（3倍标准差），分类变量）变量筛选（相关系数，散点图）分割测试集（80%），训练集（20%）用训练集来做回归模型（F检验，t检验，R^2 ，调整R^2）,R^2不能太高，不能太低模型检验，高斯马尔科夫假设（a. 线性于参数 b. 随机抽样 c. 不存在完全共线性 d. 误差的条件均值为零误差 e的同方差性 f. 误差的正
统计与数学 思维导图
如何做描述统计分析（撰写一 份数据描述统计分析报告）？五个角度：一.总体规模的描述——总量指标 二.对比关系的描述——相对指标 三.集中趋势的描述——平均指标四.离散程度的描述——变异指标五.分布形态的描述——偏态与峰态一.总体规模的描述——总量指标总量指标：反映在一定时间.空间条件下某种现象 的总体规模、总水平或总成果的统计指标二.对比关系的描述——相对指标相对指标：又称“相对数”，是两个有相互
如果b=1，张出一条线如果b∈（1,2），在两条线之间行列式逆矩阵1、两个向量垂直内积=0 2、内积可以算长度|x|平方 = （X,X）叉乘公式特征值与特征向量长度变了，位置没变叫特征向量矩阵的初等变换系数矩阵的秩增广矩阵的秩，方程组无解系数矩阵的秩=增广矩阵的秩，方程组有解若有解，秩=未知数个数 有唯一解；秩小于，有无数解求矩阵的逆求矩阵的秩阶梯在哪里拐，在第一列和第二列拐，第一列x和第二
产生原因主要有：经济变量之间具有共同变化趋势；利用截面数据建立模型也可能出现多重共性性；模型中包含滞后变量；样本数据的自身原因。扩展：完全多重共线性违反了古典假定，它产生的后果有：参数的最小二乘估计量不确定且其方差变为无穷大。不完全多重共线性没有违反古典假定，它产生的后果有：估计结果不好解释；参数估计值的方差增大；参数估计的置信区间变大；假设检验容易作出错误的判断。
多重共线性有两种情形：1.完全多重共线性；2.不完全多重共线性。多重共性性实际上研究的是程度问题，它是样本特征，根据给定的样本，可以测度该样本的多重共线性程度。它对回归分析结果影响的程度，不仅取决于它的强弱，还取决于共线性变量在模型中的重要性。
相关分析相当于先检验一下众多的自变量和因变量之间是否存在相关性，当然通过相关分析求得相关系数没有回归分析的准确。如果相关分析时各自变量跟因变量之间没有相关性 ，就没有必要再做回归分析如果有一定的相关性了，然后再通过回归分析进一步验证他们之间的准确关系同时 相关分析还有一个目的，可以查看一下 自变量之间的共线性程度如何，如果自变量间的相关性非常大，可能表示存在共线性
过拟合就是对于训练集中的数据过于详细的学习,导致在测试集中表现得很差。比如在决策树中,利用类似用户id的数据对数据进行学习,导致最后的分类在训练集中表现得非常好,但是实际运用中毫无意义。所以说,适当的修剪树枝对于数据挖掘算法来说也是很重要的。
境界决定世界的大小，利益是执行的源动力；面对行情趋势，重要的不是你有多少好点子，而是你的好点子执行了多少，不谋全局者不足谋一域。长期的利润不是运气，而是策略之后的执行力；获利不止是假设，最重要是去做，盈亏不是名词，而是动词，行情不是放弃，而是明白主次，懂取舍，舍次而求主。每一次的单边，你曾犹豫、徘徊，你害怕亏损，往往会越亏损。不是爱拼才会赢，而是知赢你才会拼。不要抱怨、当你开始学会成长的时候，利润
比你交易做的好人一定是保持着良好的心态,时刻考虑到自己是在投机市场里面做的投资。而且胜不骄,败不馁,每天从零开始,严格按计划执行操作,即使错了也一定要执行,不抱侥幸心理，计划你的交易，交易你的计划。———2020年7月11日黄金走势分析———周五（7月10日）金价盘中下跌，一度较日高回落逾16美元，刷新近二日低点至1794.24美元/盎司。本周三，金价涨至每盎司1818.02美元，创下2011年9
——2020年7月10日原油走势分析——原油昨日行情走预期，EIA库存数据利空抗跌高位盘整，等到周四才开始暴跌洗盘，确实是利空出尽先涨后跌，受到持续供应过剩和全美严峻疫情形势的压制，美油跌逾3%，创逾一周新低至39.27美元/桶。昨日于40.6果断干空也顺利止盈，今日周五重点需要留意前面我给到的39.0支撑企稳情况，若是破位再跌20个点也有可能。从技术面日线来看，油价处于布林带中轨39.0-38.
设矩阵，其中X、Y均为方阵，且Y为对称矩阵。1. 输入数据：matrix(2,2) X 括号里为矩阵的行数、列数 matrix(2,2) Y 点开矩阵，输入数据。输入对称矩阵也可以用：sym(2) A
问：在eviews中怎么查看行列式的计算结果？答：在eviews中变量的定义直接点击该变量即可查看，而行列式的计算结果展现在eviews主界面窗口的左下角处，如下图所示：
矩阵的本质是一堆数（数组）行列式的本质是一个数。
【性质1】 行列式与它的转置行列式相等。【转置相等】【性质2】 互换行列式的两行 ( 列 )，行列式变号。【互换变号】【性质3】 用非零数 k 乘行列式的某一行（列）中所有元素，等于用数 k 乘此行列式。【只能单列单行提数】【性质4】 若行列式有两行（列）的对应元素成比例，则行列式等于0 。【性质5】 若某一行是两组数的和，则此行列式就等于如下两个行列式的和。【性质6】 行列式的某一行（列）
关注
liujie01-09
换一批
