一. 前言
(图: 知乎-相关问题)(题目写错了?, mmape?)
make thing better and simpler.
LINGO简单使用
一. 前言
1.1 简介
LINGO is a comprehensive tool designed to make building and solving Linear, Nonlinear (convex & nonconvex/Global), Quadratic, Quadratically Constrained, Second Order Cone, Semi-Definite, Stochastic, and Integer optimization models faster, easier and more efficient. LINGO provides a completely integrated package that includes a powerful language for expressing optimization models, a full featured environment for building and editing problems, and a set of fast built-in solvers.
在当下各种近乎于浮夸的("大")数据处理工具面前, lingo可谓是一个另类的存在, 其官网上也没有各种高大上的宣传概念(动辄大数据, 神经网络..机器学习...), 是个相当相当低调的数学处理工具, 甚至其操作界面至今还维持上古时代vb的极简风格.
(但是, 需要注意, 这并不意味着这个软件的开发的停止..这个软件还持续更新, 当下版本20)
一元线性回归详解
一. 前言
在机器学习-梯度下降一文主要介绍了梯度下降在一元线性回归拟合的内容, 这里进一步延申讨论一元线性回归各种细节问题.
1.1 回归分析
机器学习-梯度下降的简单理解
一. 前言
(图: 豆瓣读书-复分析导论)
在检索算法, 模型, 高阶数学等内容时常遇到的问题, 各种模棱两可, 似是而非的信息. 多查多看.
Python关于数学的处理
本文主要讨论的是底层数学处理相关的问题, 如方程, 矩阵, 积分等实际的计算.
更多使用示例见其他文章, 如, 报童问题详解, 各种库在实际中的是如何使用的, 都起到些什么作用.
Pandas备选方案
简单记录以下, 备忘.
一. 前言
Pandas很强大, 但是也是肉眼可见的性能"不足"在面对"大型"数据集的时候.
import polars as pl
import pandas as pd
import datatable as dt
import dask.dataframe as dd
plotly.express.bar参数图解
一. 前言
知微见著
更多内容见: https://nbviewer.org/github/Kyouichirou/NoteBook/blob/main/Plotly/Plotly柱状图详解.ipynb
通过对柱状图(bar)解析plot的绘图机制和各种参数使用, 以便于理解其整体的作业逻辑.
和pandas的read_csv类似, 大部分的参数, 执行逻辑在其他对象上也是类似的.
