简单线性回归 理论分析
简单线性回归理论分析
文章目录
- 简单线性回归理论分析
- 回归分析概念
- 回归分析理论
- 回归函数
- 求解样本的回归参数
- 经典模型的基本假定
- R语言下检查数据特性
- 总体方差的无偏估计
- 样本估计参数的概率分布 @ t检验
- R语言下的总体参数置信区间估计
- 拟合优度检验 @ 方差分析
- 整体性假定检验
- 还有一件事,要缔结契约吗?
回归分析概念
回归分析说研究一个被解释变量(因变量)和一个或多个解释变量(自变量)之间的统计技术。回归分析的意义在于通过重复抽样获得的解释变量的一直或设定值来估计或者预测被解释变量的总体均值。
与回归分析有密切相关的另外一种技术是相关分析,但是两者差距比较大。相关分析是用来测量变量之间线性关联程度的一种方法。回归分析更多的是通过解释变量的设定值来估计或者预测因变量的平均水平。
回归分析中,因变量是统计的、随机的,有一个概率分布。而解释变量(自变量)则是不认为有特定分布的规定值。大部分相关理论建立在变量的随机性假设上,而回归理论往往假设解释变量是固定的而非随机的。
回归分析理论
回归函数
非随机的总体回归方程
在总体中,假设总体回归直线是线性的,可以用模型来描述非随机的总体回归方程
E(y∣xi)=ω0+ω1xiE(y|x_i)=\omega_0+\omega_1x_i E(y∣xi)=ω0+ω1xi其中 E(y∣xi)E(y|x_i)E(y∣xi) 是指在 xxx 取特定值 xix_ixi 时, yyy 取值的期望。其中 ω0\omega_0ω0 是截距 ω1\omega_1ω1 是斜率。斜率度量了x每变动一个单位,y的均值变化率。通常 E(y∣x)E(y|x)E(y∣x) 简写成 E(y)E(y)E(y) 。
随机总体回归方程
如果把随机干扰考虑进去,就能够反映总体的每个y的取值
yi=E(y)+ei=ω0+ω1xi+uiy_i = E(y)+e_i = \omega_0 +\omega_1x_i+u_i yi=E(y)+ei=ω0+ω1xi+ui这个方程为随机总体回归方程,意思是,总体中的随机样本的回归方程表示,考虑到了随机干扰。其中 E(y)\color{red}{E(y)}E(y) 是系统的(非随机的)部分,ui\color{red}{u_i}ui 是非系统的(随机的)部分,代表了模型中并未包含变量的影响。(对于建立的模型,即使知道其他变量可能对因变量有影响,也倾向于将这些次要因素归入随机误差项 uiu_iui 中)
样本的回归函数
对于样本中的抽样,可以使用样本数据计算 ω^0,ω^1\hat \omega_0 ~,~\hat \omega_1ω^0 , ω^1 ,则样本中的样本非随机回归函数,其中 $\hat y $ 表示根据样本回归函数计算出的 xix_ixi 对应值的期望:
y^=ω^0+ω^1xi\hat y=\hat \omega_0+\hat \omega_1x_i y^=ω^0+ω^1xi随机样本的回归函数,其中 yiy_iyi 是样本中随机样本的 yiy_iyi 表示。
yi=ω^0+ω^1xi+eiy_i=\hat \omega _0 + \hat \omega _1x_i+e_i yi=ω^0+ω^1xi+ei样本只是总体的一随机取样的一部分,首先研究样本的各种参数,然后根据样本的参数分布或规律来研究总体参数的置信区间。
求解样本的回归参数
其中 ei=yi−y^i=yi−ω^0−ω^1xie_i=y_i-\hat y_i=y_i-\hat \omega_0- \hat \omega_1x_iei=yi−y^i=yi−ω^0−ω^1xi 被称为残差,是样本中,估计值和实际值的差值,衡量一个回归实现是否是最佳回归直线的方法的一个思路是调整 ∑ei2\sum e_i^2∑ei2 使其最小,进而求出 ω^\hat \omegaω^ 。其中 ∑ei2\sum e_i^2∑ei2 可以认为是损失函数:
min∑ei2=∑(yi−y^)2=∑(yi−ω^0−ω^1xi)2min~\sum e_i^2 = \sum (y_i - \hat y)^2 = \sum (y_i-\hat \omega_0- \hat \omega_1x_i)^2 min ∑ei2=∑(yi−y^)2=∑(yi−ω^0−ω^1xi)2利用这个函数关系求解的思路有很多,例如利用 ω^i\hat \omega_iω^i 的偏导数为零构建方程组。例如,利用韦达定理,在 −b2a-\frac {b} {2a}−2ab 处求得最小值。或者从向量角度出发。但是最常见的方法是最小二乘法求解正规方程组。来求的使损失函数最小的 ω^i\hat \omega_iω^i 使得直线 y=ω^0+ω^1x\color{red}{y=\hat \omega_0+\hat \omega_1x}y=ω^0+ω^1x 是最佳回归直线。
理解:
当然这只是根据最小二乘法来求得使 ∑ei2\sum e_i^2∑ei2 最小的 ω^i\hat \omega_iω^i 的值,目的是求得一个直线函数,这个直线使残差和最小。
值得注意⚠️的是,不管自变量和因变量的分布是如何对应,是不是直线回归,都可以得到一个这样的样本回归函数。但是这个函数能否准确评估应变量和自变量的关系,样本预估出来的参数 ω^i\hat \omega_iω^i 到底能不能比较准确地代表总体参数的 ωi\omega _iωi ,回归函数对因变量预测的如何,自变量和因变量之间构建直线回归是否合适,需要后面的一步步验证。
经典模型的基本假定
若要进行线性回归的估计和计算,首先要进行一系列的假定,检查数据是否满足线性回归的要求。若要进行线性回归计算,需要满足以下假定:
-
零均值假定
- 在利用最小二乘法进行求解的时候有对残差 eie_iei 零均值的假定,因此对回归参数最小二乘法求解需要进行零均值假定
- 如果模型设定准确,则 yiy_iyi 应该相对于 E(y^)E(\hat y)E(y^) 有正偏差也有负偏差,平局来看应该相互抵消
- 对于不太适合用直线拟合的数据,可能会出现比较大的偏差,例如需要用曲线拟合的数据,(但是零均值对于方差不敏感)
-
同方差假定
- 对于同随机干扰 uiu_iui ,不难证明, yiy_iyi 与 uiu_iui 有相同的方差。不同 xix_ixi 下应该有相同的方差。
- 零均值对方差不敏感,因此需要有方差假定。对于随着 xix_ixi 水平升高而 uiu_iui 也升高对数据可能需要进行转换使方差相齐。
理解:
在后面的模型检验中,需要用到 ui,eiu_i,~e_iui, ei 是正态分布 -
相互独立性
-
因变量与自变量之间满足线性关系
R语言下检查数据特性
可以直接使用plot(lm.obj)
来查看数据统计情况。代码:
cars.lm<- lm(lp~mass.kg,data=cars)
par(mfrow=c(2,2))
plot(car.lm)
对于展示出来的四张图:
- 残差VS拟合值( y^VSei\color{red}{\hat y}~VS~\color{red}{e_i}y^ VS ei )
零均值:如果残差大致均匀分布在0线上下,即可认为是满足零均值。
同方差:也能大概看是否方差异常,同方差应该残差不随估计值的增加、减小而分布区域明显改变
异常值:是否有残差比较大的,尤其是 y^\hat yy^ 比较极端处的高残差往往是高杠杆的异常点。 - QQ图
可以认为是和正态分布数据映射关系,用来检测数据是否具有正态性,是否有比较明显的偏态。可以认为点在横坐标投影是标准正态分布的,在纵坐标投影是当前数据的分布,如果两个数据是有相似的分布,则数据应该集中在对角线上
正态性:如果数据满足正态性,数据应该集中在对角线,如果数据有偏态性,例如左偏态,则QQ图会下凹。如果右偏态会上凸。 - 拟合值 VS 标准化残差平方根
可以认为,既然残差是属于正态分布,利用z检验,查看那些高残差是否是超出一定界限,如果超出界限,这个残差应该是比较罕见的。一般超出1.5或1.6在样本数不多的情况下是异常的。 - 杠杆 VS 标准化残差
可以在图中查看异常值,对于高杠杆而又高残差的点,可以考虑删除。
杠杆值是用来评估第 i 个观测值(x)离其余 n-1 个观测值的距离有多远。杠杆值的计算:
hii=1n+(xi−xˉ)2∑(xi−xˉ)2h_{ii} = \frac{1}{n}+ \frac {(x_i-\bar x)^2}{\sum (x_i-\bar x)^2} hii=n1+∑(xi−xˉ)2(xi−xˉ)2
总体方差的无偏估计
无偏估计:用样本统计量来估计总体参数的一种无偏差推断。估计量的数学期望等于被估计参数的真实值(但是估计量的数学分布不一定是什么类型)。
**注意⚠️:**无偏估计量的数学期望等于真实值,并不是一次抽样的无偏估计量等于真实值,真实值的置信区间往往需要根据一个样本的无偏估计量和分布来估计。
可以证明,对于总体数据的误差 ui2u_i^2ui2 的无偏估计量是样本量为n的样本数据的 ei2n−2\frac {e_i^2}{n-2}n−2ei2 即
E(∑ei2)=(n−2)σ2E \big(\sum e_i^2 \big)=(n-2)\sigma^2 E(∑ei2)=(n−2)σ2σ^2=∑ei2n−2=∑(yi−y^i)2n−2\hat \sigma^2 = \frac {\sum e_i^2}{n-2}=\frac{\sum(y_i-\hat y_i)^2}{n-2} σ^2=n−2∑ei2=n−2∑(yi−y^i)2
样本估计参数的概率分布 @ t检验
在样本中,已经计算出来了样本估计参数 ωi\omega_iωi 但是要想对总体参数进行点估计,需要知道样本参数的概率分布情况。
正如在抽样样本中, xˉ\bar xxˉ 与 μ\muμ 的分布关系,样本的大小会影响样本 xˉ\bar xxˉ 的分布。在抽样样本中,样本回归系数 ω^i\hat \omega_iω^i 和总体回归系数 ωi\omega_iωi 也有一个分布关系,只不过,样本回归系数 ω^i\hat \omega_iω^i 不止和样本数n有关,还和其他诸多因素有关,经过计算推算可得样本回归系数 ω^i\hat \omega_iω^i 的概率分布,对于简单线性回归,参数服从正态分布:
ω^∼N(ω0,σ2∑xi2n∑(xi−xˉ)2)\hat \omega \sim N \Big( \omega_0,~ \sigma^2 \frac{\sum x_i^2}{n \sum (x_i-\bar x)^2} \Big) ω^∼N(ω0, σ2n∑(xi−xˉ)2∑xi2)ω^1∼N(ω1,σ2∑(xi−xˉ)2)\hat \omega_1 \sim N \Big(\omega_1,~\frac{\sigma^2}{\sum (x_i-\bar x)^2} \Big) ω^1∼N(ω1, ∑(xi−xˉ)2σ2)
理解:
样本的估计参数的概率分布来看,参数的标准差和哪些因素有关?
- 误差项/残差 eie_iei 的方差越大则 ω1\omega_1ω1 概率分布的标准差越大
- 观测值 xix_ixi 的变异越大,则更能体现Y与X的关系,则ω1\omega_1ω1 概率分布的标准差越小
- 样本数n越大, se(ω1)se(\omega_1)se(ω1) 越小?
有了样本估计参数的概率分布,就可以求得总体参数的置信区间,相当于用已知分布的点估计。
R语言下的总体参数置信区间估计
可以通过使用summary(lm.obj)
来进行整体展示,其中的 Coefficients
中的 Std.Error
即样本估计参数的标准差,可以根据标准差计算总体的置信区间。或者直接使用代码confint(lm.obj)
来进行查看。值得注意的是,在简单线性回归中, 如果 ω1\omega_1ω1 的95%置信区间不包含0,即可认为斜率参数是可信的?
拟合优度检验 @ 方差分析
对于回归函数,已经可以得到相对比较准确的回归参数了。但是针对这个模型拟合度到底如何仍然没有很直观的感受。此时可以使用方差分析来检验回归分析是否成立。首先明确以下内容:
- Y^i\hat Y_iY^i :样本回归曲线预测值的期望
- YiY_iYi:样本观测到的真实值
- Yˉ\bar YYˉ:样本观测值的均值
- Yi−YˉY_i-\bar YYi−Yˉ :真实值和均值的差距,总离差,总的样本变异
- Y^i−Yˉ\hat Y_i-\bar YY^i−Yˉ :对于样本变异能被回归直线解释的部分
- Yi−Y^iY_i-\hat Y_iYi−Y^i:残差 eie_iei ,样本变异中,不能被回归直线解释的部分
其中不难发现,总离差=回归解释+残差:Yi−Yˉ=Y^i−Yˉ+Yi−Y^iY_i-\bar Y =\hat Y_i-\bar Y + Y_i-\hat Y_iYi−Yˉ=Y^i−Yˉ+Yi−Y^i。所以有等式: ∑(yi−yˉ)2=∑[(y^i−yˉ)+(yi−y^i)]2\sum(y_i-\bar y )^2=\sum[(\hat y_i-\bar y )+ (y_i-\hat y_i)]^2∑(yi−yˉ)2=∑[(y^i−yˉ)+(yi−y^i)]2这个等式通过等价转换并利用 eie_iei 有零均值假定( ∑ei=0\sum e_i=0∑ei=0 ) 可以得到以下:∑(yi−yˉ)2=∑(yi−y^i)2+∑(y^i−yˉ)2\sum (y_i-\bar y)^2=\sum (y_i-\hat y_i)^2 + \sum(\hat y_i-\bar y)^2 ∑(yi−yˉ)2=∑(yi−y^i)2+∑(y^i−yˉ)2其中:
- ∑(yi−yˉ)2\sum (y_i-\bar y)^2∑(yi−yˉ)2 :SST,总离均差平方和
- ∑(yi−y^i)2\sum (y_i-\hat y_i)^2∑(yi−y^i)2 :SSE,残差平方和
- ∑(y^i−yˉ)2\sum (\hat y_i - \bar y)^2∑(y^i−yˉ)2 :SSR,回归平方和
有以下关系:SST = SSE + SSR
(这一公式也是ANOVA的原理)。其中,总离差平方和中,如果回归平方和的比例越大,残差平方和所占比例就越小,表示回归直线与样本点的拟合效果很好;反之则表示拟合效果不好。为了评价这种拟合效果,有一个判定系数:R2=SSRSSTR^2=\frac{SSR}{SST} R2=SSTSSR其中 R2R^2R2 即为判定系数。判定系数是一个回归直线与样本观察值拟合优度的数量指标, R2R^2R2越大则拟合优度越好。
个人理解:
在最小二乘法中,隐藏着可以使等式SST = SSE + SSR成立的条件,也就是说,当使用最小二乘法求解的时候,总有SST = SSE + SSR成立。
例如若 R2=0.3R^2=0.3R2=0.3 则说明回归平方和能解释样本总变异平方和中的30%。即回归平方和占总离均差平方和的30%。
从公式可以看出 R2R^2R2 受极值影响严重,而且机值的差异会被平方放大。
调整 R2R^2R2
R2R^2R2 越接近1,模型拟合优度越高。但是在现实中发现,如果在模型中新添加一个解释变量, R2R^2R2 往往会增大,这就导致无限增加解释变量就可以不断增加 R2R^2R2 的局面。但是实际情况是,由增加解释变量个数引起的 R2R^2R2 增大与拟合好坏无关。因此,比较自然的想法是用调整 判定系数 Rˉ2\bar R^2Rˉ2 或者 Radj2R_{adj}^2Radj2 来代替 R2R^2R2 ,以剔除变量个数对拟合优度的影响。Radj2=1−SSR/(n−k−1)SST/(n−1)R_{adj}^2 = 1-\frac{SSR/(n-k-1)}{SST/(n-1)} Radj2=1−SST/(n−1)SSR/(n−k−1)其中 n−k−1\color{red}{n-k-1}n−k−1 是残差平方和的自由度, n−1\color{red}{n-1}n−1 是总体平方和的自由度。
问题
解释变量个数不同时候,如何比较不同模型的拟合优度?
可以利用赤池信息和施瓦茨准则。
整体性假定检验
针对简单线性回归,上述是针对单个回归系数 ωi=0\omega_i=0ωi=0 进行的检验。如果要判断因变量和自变量的线性关系是否显著,即判断所有回归系数中,至少有一个不等于0。则此时可以使用F检验
来检验回归模型。其实可以用F检验来检验模型某个回归系数是否为0。F检验是比t检验更一般的统计检验。
F检验的零假设认为,回归方程解释的方差是出于偶然性。而F检验证实用来检验由备择假设解释的方差时候是出于偶然性。这里的偶然性程度是用MSE(误差均方)来衡量。F检验通常大于1,F越大于1则零假设越不可能为真。
在 H0H_0H0 成立的前提下,F统计量:
F=∑(yi−yˉ)2/k(∑ei2)/(n−k−1)F=\frac{\sum (y_i-\bar y)^2/k}{(\sum e_i^2)/(n-k-1)} F=(∑ei2)/(n−k−1)∑(yi−yˉ)2/k
注意 ⚠️:
一元线性模型中对模型进行整体性检验只用t检验即可。但是在多远线性回归模型中,F检验是检验统计假设的非常有用和有效的方法。
还有一件事,要缔结契约吗?
我想建立并管理一个高质量的生信&统计相关的微信讨论群,如果你想参与讨论,可以添加我微信: veryqun 。我会拉你进群,当然有问题也可以微信咨询我。
因为我的笔记分布CSDN、简书、知乎专栏等比较零散,管理起来比较麻烦,思考再三申请了一个 微信公众号,会更加方便地发布更多有关生信息、统计方面内容,如果你觉得有需要可以尝试性和我缔结契约 ^ . ^ 。公众号如下:
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- Python使用socket实现通信
socket可以实现两个程序(一边是服务端,一边是客户端)的通信,一台电脑两个程序通信可以或者局域网里的两台电脑可以通信,但是公网的或不同局域网的两台电脑通信涉及的网关等内容,故本博客只简单说明一台电脑…...
2024/4/24 12:32:58 - 学习日记Day28:网络地址转换
文章目录1.NAT技术原理 。2.静态NAT。2.1 原理。2.2 配置。3.动态NAT。3.1 原理。3.2 配置。4.NAPT。4.1 原理。4.2 配置。5.Easy IP。5.1 原理。5.2 配置。6.NAT Server。6.1 原理。6.2 配置。7.总结。1.NAT技术原理 。 NAT:对IP数据报文中的IP地址进行转换&#…...
2024/4/25 5:46:37 - Vuex_学习记录
VueX 是一个专门为 Vue.js 应用设计的状态管理构架,统一管理和维护各个vue组件的可变化状态(你可以理解成 vue 组件里的某些 data )。 Vuex有五个核心概念: state, getters, mutations, actions, modules。 1.state:vuex的基本数据&#x…...
2024/4/22 18:50:17 - Vue系列 => 指令
指令 本质就是自定义属性Vue中指定都是以 v- 开头 v-cloak 防止页面加载时出现闪烁问题 v-text v-text指令用于将数据填充到标签中,作用于插值表达式类似,但是没有闪动问题如果数据中有HTML标签会将html标签一并输出注意:此处为单向绑定…...
2024/4/7 11:02:38 - ARKit之路-RealityKit中的事件系统
版权声明:Davidwang原创文章,严禁用于任何商业途径,授权后方可转载。 苹果公司在2019年推出了一个名为Combine的声明性异步事件处理框架,通过采用Combine框架,可以集成事件处理代码并消除嵌套闭包和基于约定的回调&…...
2024/4/13 8:49:34 - 地址
D:\anaconda3\envs\tensorflow-gpu\python.exe...
2024/4/21 12:16:57 - ZOJ - 4122 Triangle City(最短路+欧拉通路+思维)
题目链接:点击查看 题目大意:给出一张三角形的无向图,如下图所示 求出从点 ( 1 , 1 ) 到点 ( n , n ) 找到一条最长路,且每条边至多遍历一次,输出最长路的权值以及路径 题目分析:点 ( 1 , 1 ) 到点 ( n ,…...
2024/4/26 21:28:16 - HTML演练 0917 需求说明 我喜欢的影视剧
HTML演练 0917 需求说明 我喜欢的影视剧 主页效果如下 包含内容: 大标题水平线二级标题文字描述缩略图列表链接 功能说明: 点击 简介 二字 会跳到另一个本地页面 英雄详情页 包含内容: 英雄姓名图片链接(点击小房子会跳转到剧…...
2024/4/7 10:45:37 - http keep-alive
client发出的HTTP请求头需要增加Connection:keep-alive字段 Web-Server端要能识别Connection:keep-alive字段,并且在http的response里指定Connection:keep-alive字段, 告诉client,我能提供keep-alive服务,并且"应允"cli…...
2024/4/21 23:07:05 - Linux操作系统学习(三)——命令
常用Linux命令的基本使用 Linux刚出世时没有什么图形界面,所有的操作全靠命令完成,就如同电视里的黑客那样,充满了神秘。近几年来,尽管Linux发展迅速,图形界面越来越有好,但是在真正的开发过程中ÿ…...
2024/4/10 0:47:13 - 二叉树操作:求树的深度,求最近公共祖先LCA,求和为某值的所有路径,打印二叉树中的所有路径.
求树的深度 树的深度max(左子树深度,右子树深度)1 struct Node{int data;Node* leftchild;Node* rightchild; };int deep(Node* t){if (tNULL) return 0;int ldeep(t->leftchild);int rdeep(t->rightchild);return max(l,r)1; } 求最近公共祖先LCA...
2024/4/23 5:48:46 - 词霸天下---词根268【-sal- = -salt- 盐】
...
2024/4/7 11:02:35 - stm32时钟初始化分析
stm32时钟初始化分析 要想了解stm32时钟配置,我们首先当了解其时钟树,以下是一张经典的stm32系统频率为72M的时钟树图 在系统启动时会首先调用SystemInit()函数,并在其中进行系统的一系列初始化,SystemInit()函数相关代码如下 …...
2024/4/30 16:15:36 - Linux性能分析(uptime、vmstat、iostat、top等)
uptime结果说明 14:07:55:服务器当前时间 up 624 days,24 min:系服务器已经开机624天24分钟 1 user:当前只有一个用户在使用服务器 load average:0.04,0.05,0.05&#x…...
2024/4/7 11:02:32 - 百度AI---人脸识别接口获取access_token详解
使用前需要做 https://blog.csdn.net/qq_42363032/article/details/108652945 接口能力 人脸检测:检测图片中的人脸并标记出位置信息;人脸关键点:展示人脸的核心关键点信息,及150个关键点信息。人脸属性值:展示人脸属性信息&…...
2024/4/27 1:45:55 - Bitcoin SV应用介绍:Bitpost
Bitpost是Bitpaste的下一代产品。现在Bitpaste域名已经跳转到Bitpost了。这两个应用的作者都是BSV上的应用开发者libs。 目前Bitpost定位为一个内容发布平台,注重版权和分享。目前支持用户发布文章、代码片段、文件三种内容,并用类Metanet协议来组织。用…...
2024/4/25 1:10:59 - day09-Jquery
day09-Jquery 学习目标 在页面中直接写js代码的情况很少,项目中大量使用js框架,jquery是最常见的js框架 使用js完成可一个功能可能要使用到20行代码,但是使用jquery可能一行就搞定 1.能够理解js框架的概念 2.能够引入jQuery 3能够使用jQuer…...
2024/4/23 9:02:27 - 我心中的OSPF工作原理
OSPF工作原理 1)三张表 –邻接关系表 邻居路由器(物理相邻的路由器) 邻接路由器(建立了友好关系的邻居路由器)------->成为朋友邻接关系表:邻接路由器的信息的摘要--链路状态数据库表从邻接路由器学习…...
2024/4/17 18:23:55 - new和make的区别
new 的作用是初始化一个指向类型的指针(*T) 使用new函数来分配空间。传递给new 函数的是一个类型,不是一个值。返回值是 指向这个新分配的零值的指针 make 的作用是为 slice,map 或 chan 初始化并返回引用(T) 第一个参数是一个类型,第二个参数…...
2024/4/23 4:26:08 - LCP 17. 速算机器人
小扣在秋日市集发现了一款速算机器人。店家对机器人说出两个数字(记作 x 和 y),请小扣说出计算指令: "A" 运算:使 x 2 * x y;"B" 运算:使 y 2 * y x。 在本次游戏中&a…...
2024/4/21 22:50:37
最新文章
- 企业计算机服务器中了rmallox勒索病毒怎么处理,rmallox勒索病毒处理建议
在网络技术不断发展的时代,网络在企业中的应用广泛,可以为企业带来更多的便利,大大提升了企业的生产效率,但网络作为虚拟世界,在为企业提供便利的同时,也为企业数据安全带来严重威胁。近期,云天…...
2024/5/4 18:59:07 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - C# 构建可定时关闭的异步提示弹窗
C# 构建可定时关闭的异步提示弹窗 引言1、调用接口的实现2、自动定时窗口的实现 引言 我们在最常用最简单的提示弹框莫过于MessageBox.Show( )的方法了,但是使用久了之后,你会发现这个MessageBox并不是万能的,有事后并不想客户去点击&#x…...
2024/5/2 6:14:07 - 一个浮动绝对居中的tailwindcss
今天改进图片组件,遇到个SVG绝对居中的问题。想起之前大概是通过top left来实现,由于组件的宽高需要动态输入。不能定死宽高,于是想起来问GPT。刚开始老是给一些很菜的代码,不是我想要的 气不打一处来,索性给他限死框框…...
2024/5/1 13:34:37 - 416. 分割等和子集问题(动态规划)
题目 题解 class Solution:def canPartition(self, nums: List[int]) -> bool:# badcaseif not nums:return True# 不能被2整除if sum(nums) % 2 ! 0:return False# 状态定义:dp[i][j]表示当背包容量为j,用前i个物品是否正好可以将背包填满ÿ…...
2024/5/4 12:05:22 - 【Java】ExcelWriter自适应宽度工具类(支持中文)
工具类 import org.apache.poi.ss.usermodel.Cell; import org.apache.poi.ss.usermodel.CellType; import org.apache.poi.ss.usermodel.Row; import org.apache.poi.ss.usermodel.Sheet;/*** Excel工具类** author xiaoming* date 2023/11/17 10:40*/ public class ExcelUti…...
2024/5/4 11:23:32 - Spring cloud负载均衡@LoadBalanced LoadBalancerClient
LoadBalance vs Ribbon 由于Spring cloud2020之后移除了Ribbon,直接使用Spring Cloud LoadBalancer作为客户端负载均衡组件,我们讨论Spring负载均衡以Spring Cloud2020之后版本为主,学习Spring Cloud LoadBalance,暂不讨论Ribbon…...
2024/5/4 14:46:16 - TSINGSEE青犀AI智能分析+视频监控工业园区周界安全防范方案
一、背景需求分析 在工业产业园、化工园或生产制造园区中,周界防范意义重大,对园区的安全起到重要的作用。常规的安防方式是采用人员巡查,人力投入成本大而且效率低。周界一旦被破坏或入侵,会影响园区人员和资产安全,…...
2024/5/3 16:00:51 - VB.net WebBrowser网页元素抓取分析方法
在用WebBrowser编程实现网页操作自动化时,常要分析网页Html,例如网页在加载数据时,常会显示“系统处理中,请稍候..”,我们需要在数据加载完成后才能继续下一步操作,如何抓取这个信息的网页html元素变化&…...
2024/5/4 12:10:13 - 【Objective-C】Objective-C汇总
方法定义 参考:https://www.yiibai.com/objective_c/objective_c_functions.html Objective-C编程语言中方法定义的一般形式如下 - (return_type) method_name:( argumentType1 )argumentName1 joiningArgument2:( argumentType2 )argumentName2 ... joiningArgu…...
2024/5/3 21:22:01 - 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】
👨💻博客主页:花无缺 欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 本文由 花无缺 原创 收录于专栏 【洛谷算法题】 文章目录 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】🌏题目描述🌏输入格…...
2024/5/3 23:17:01 - 【ES6.0】- 扩展运算符(...)
【ES6.0】- 扩展运算符... 文章目录 【ES6.0】- 扩展运算符...一、概述二、拷贝数组对象三、合并操作四、参数传递五、数组去重六、字符串转字符数组七、NodeList转数组八、解构变量九、打印日志十、总结 一、概述 **扩展运算符(...)**允许一个表达式在期望多个参数࿰…...
2024/5/4 14:46:12 - 摩根看好的前智能硬件头部品牌双11交易数据极度异常!——是模式创新还是饮鸩止渴?
文 | 螳螂观察 作者 | 李燃 双11狂欢已落下帷幕,各大品牌纷纷晒出优异的成绩单,摩根士丹利投资的智能硬件头部品牌凯迪仕也不例外。然而有爆料称,在自媒体平台发布霸榜各大榜单喜讯的凯迪仕智能锁,多个平台数据都表现出极度异常…...
2024/5/4 14:46:11 - Go语言常用命令详解(二)
文章目录 前言常用命令go bug示例参数说明 go doc示例参数说明 go env示例 go fix示例 go fmt示例 go generate示例 总结写在最后 前言 接着上一篇继续介绍Go语言的常用命令 常用命令 以下是一些常用的Go命令,这些命令可以帮助您在Go开发中进行编译、测试、运行和…...
2024/5/4 14:46:11 - 用欧拉路径判断图同构推出reverse合法性:1116T4
http://cplusoj.com/d/senior/p/SS231116D 假设我们要把 a a a 变成 b b b,我们在 a i a_i ai 和 a i 1 a_{i1} ai1 之间连边, b b b 同理,则 a a a 能变成 b b b 的充要条件是两图 A , B A,B A,B 同构。 必要性显然࿰…...
2024/5/4 2:14:16 - 【NGINX--1】基础知识
1、在 Debian/Ubuntu 上安装 NGINX 在 Debian 或 Ubuntu 机器上安装 NGINX 开源版。 更新已配置源的软件包信息,并安装一些有助于配置官方 NGINX 软件包仓库的软件包: apt-get update apt install -y curl gnupg2 ca-certificates lsb-release debian-…...
2024/5/3 16:23:03 - Hive默认分割符、存储格式与数据压缩
目录 1、Hive默认分割符2、Hive存储格式3、Hive数据压缩 1、Hive默认分割符 Hive创建表时指定的行受限(ROW FORMAT)配置标准HQL为: ... ROW FORMAT DELIMITED FIELDS TERMINATED BY \u0001 COLLECTION ITEMS TERMINATED BY , MAP KEYS TERMI…...
2024/5/4 12:39:12 - 【论文阅读】MAG:一种用于航天器遥测数据中有效异常检测的新方法
文章目录 摘要1 引言2 问题描述3 拟议框架4 所提出方法的细节A.数据预处理B.变量相关分析C.MAG模型D.异常分数 5 实验A.数据集和性能指标B.实验设置与平台C.结果和比较 6 结论 摘要 异常检测是保证航天器稳定性的关键。在航天器运行过程中,传感器和控制器产生大量周…...
2024/5/4 13:16:06 - --max-old-space-size=8192报错
vue项目运行时,如果经常运行慢,崩溃停止服务,报如下错误 FATAL ERROR: CALL_AND_RETRY_LAST Allocation failed - JavaScript heap out of memory 因为在 Node 中,通过JavaScript使用内存时只能使用部分内存(64位系统&…...
2024/5/4 16:48:41 - 基于深度学习的恶意软件检测
恶意软件是指恶意软件犯罪者用来感染个人计算机或整个组织的网络的软件。 它利用目标系统漏洞,例如可以被劫持的合法软件(例如浏览器或 Web 应用程序插件)中的错误。 恶意软件渗透可能会造成灾难性的后果,包括数据被盗、勒索或网…...
2024/5/4 14:46:05 - JS原型对象prototype
让我简单的为大家介绍一下原型对象prototype吧! 使用原型实现方法共享 1.构造函数通过原型分配的函数是所有对象所 共享的。 2.JavaScript 规定,每一个构造函数都有一个 prototype 属性,指向另一个对象,所以我们也称为原型对象…...
2024/5/4 2:00:16 - C++中只能有一个实例的单例类
C中只能有一个实例的单例类 前面讨论的 President 类很不错,但存在一个缺陷:无法禁止通过实例化多个对象来创建多名总统: President One, Two, Three; 由于复制构造函数是私有的,其中每个对象都是不可复制的,但您的目…...
2024/5/3 22:03:11 - python django 小程序图书借阅源码
开发工具: PyCharm,mysql5.7,微信开发者工具 技术说明: python django html 小程序 功能介绍: 用户端: 登录注册(含授权登录) 首页显示搜索图书,轮播图࿰…...
2024/5/4 9:07:39 - 电子学会C/C++编程等级考试2022年03月(一级)真题解析
C/C++等级考试(1~8级)全部真题・点这里 第1题:双精度浮点数的输入输出 输入一个双精度浮点数,保留8位小数,输出这个浮点数。 时间限制:1000 内存限制:65536输入 只有一行,一个双精度浮点数。输出 一行,保留8位小数的浮点数。样例输入 3.1415926535798932样例输出 3.1…...
2024/5/4 14:46:02 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57