比较了软阈值，硬阈值及当今各种阈值计算方法,进行逐步线性回归，ofdm系统仿真 含16qam调制 fft 加窗 加cp等模块。

美食优惠个人笔记+面经专注于数据科学（推荐系统，机器学习，并行计算，预期） 所有面经都在持续，迭代更新中... 面经Mysql 01基础架构 02日志系统 03事务隔离 面经并发 01线程 02管程 03内存 04无锁 05不可变 06工具 螺纹池 联合会 面试题 面经推荐算法 主要参考王喆大佬的《深度学习推荐系统》，非常推荐 内容 完成度 评估指标 ★★☆☆☆ Algotithm-逻辑回归和线性回归 ★★☆☆☆ 算法 ★★☆☆☆ Algotithm-GBDT + LR ★★☆☆☆ Algotithm-LS-PLM ★★☆☆☆ 算法-svd＆svd ++ ★★☆☆☆ Algorithm-ItemCF＆UserCF ★★☆☆☆ Algotithm-MF ★★☆☆☆ 算法-BPR ★★☆☆☆ SBPR算法 ★★☆☆☆ Algotithm-FM

受益于经济增长和相关基础设施建设的开展，中国工业阀门市场规模呈现出增长 趋势。据沙利文数据显示，2013 至 2017 年中国工业阀门行业的市场规模由 92.3 亿元上升 至 143.1 亿元，年复合增长率为 11.6%（见错误!未找到引用源。）。随着中国国内油气管道、 水电等各类工程项目的逐步推进，工业阀门市场规模将继续保持上升趋势。预计 2018 至 2022 年期间，中国工业阀门市场规模将以 6.9%的年复合增长率稳定上升。中国工业阀门 市场在 2022 年将达到 206.2 亿元。据国家统计局数据显示，2013 至 2017 年相关下游行 业固定资产投资完成额从 219,524.9 亿

　　（７）输出偏差 珘ｙＮ ＝ｙＮ －ΦＮθ^＝ ［Ｉ－ΦＴＮ（ΦＴＮΦＮ）－１ΦＴＮ］ｅＮ 　　（８）Ｅ珘ｙＮ＝０，Ｅ珘ｙＮ珘ｙＴＮ＝σ２［Ｉ－ΦＮ（ΦＴＮΦＮ）－１ΦＴＮ］。 　　以上给出的性质，对随机序列ｅ（ｋ）的概率分布形式未做假设。换句话说，以上得到的结 论不依赖分布的具体形式。如果给ｅ（ｋ）加上正态分布条件，除了仍具有上述性质外，还具有 如下性质： （９）①θ^服从ｎ维正态分布Ｎ（θ，σ２（ΦＴＮΦＮ）－１）； ②θ^与ｅＮ＝ｙＮ－ΦＴＮθ^独立； ③ （Ｎ－ｎ）σ^２／σ２ 服从于自由度为（Ｎ－ｎ）的χ ２ 分布。 （１０）①θ^ｉ 服从正态分布Ｎ（θｉ，σ２ｐｉｉ），ｉ＝１，…，ｎ。其中θ^ｉ 是参数向量θ的第ｉ个分量；ｐｉｉ 为矩阵（ΦＴＮΦＮ）－１的对角线上第ｉ个元素。 ②θ^ｉ 与σ２ 独立。 ③θｉ（ｉ＝１，２，…，ｎ）的置信区间为：（θ^ｉ－ｔασ^ Ｐ槡 ｉｉ，θ^ｉ＋ｔασ^ ｐ槡ｉｉ），其中ｔα 是自由度为 （Ｎ－ｎ）的ｔ分布之α水平的双侧分位数。 ２．２．３　逐步回归方法 通常在建立稳态模型时，总是在所有有影响的变量中选一些变量作为自变量，并事先选定 模型的形式（线性的或非线性的），然后再来确定模型的参数。这样确定的模型一般存在两个 问题：一是所选的变量是否合适？也就是说，重要变量是否包含在内、影响小的变量是否排除 在外？另一个问题是模型的形式是否合适？ 要解决这些问题，首先就要解决什么样的变量是“重要”的变量。当模型中增加一个变量， 残差平方和就减少，如果这种减少是显著的，则该变量的影响就是大的（重要的），反之影响就 是小（不重要）的。当增加了新的变量后，原来模型中的变量也可能变成不重要的了。因此，为 了恰当地选择变量，同时又尽可能地减少计算量，可以考虑以下做法：将变量一个一个地加到 模型中去，每加入一个新变量都要检验它是否重要，同时也检验原有的变量是否变成不重要的 了，这样一步一步地进行，直到全部的变量都被考察过，就得到了经过筛选的变量和最后的模 型。这样的方法就称为逐步回归算法。这是在建立稳态线性模型时常用的一种方法，具体的 算法可参看相关文献（卢桂章，１９８１）。 最近的研究已经将逐步回归思想推广到线性参数的非线性模型情况。线性逐步回归仅是 它的一个特例。而且给出了更有效的准则和更简单的计算方法（王秀峰，苏育红，１９９２；王 秀 ·６１·

torchtext的使用总结，并结合Pytorch实现LSTM 版本说明 PyTorch版本：0.4.1 火炬文字：0.2.3 python：3.6 文件说明 Test-Dataset.ipynb Test-Dataset.py使用torchtext进行文本预处理的笔记本和py版。 Test-Dataset2.ipynb使用Keras和PyTorch进行数据集进行文本预处理。 Language-Model.ipynb使用gensim加载预训练的词向量，并使用PyTorch实现语言模型。 使用说明 分别提供了笔记本版本和标准py文件版本。 从零开始逐步实现了torchtext文本预处理，

c语言实现的快速排序算法，及其一步步优化代码（1. 数组长度较小时候选择插入排序；2. 主元在数组最左最右，中间三个数字中间选择中间大小的， 数组拆分后将 重复数字挪到主元附近，不进行重复partition）

自己在学习selnium和python的过程中，想对自己学习内容做一些总结，所以产生了做这么个小工具的想法。 因为自己不是开发出生，所以难免有写不规范的地方，列位看官希望能提出来，给我一个改进的机会。 **PyQt5**:用来创建Python GUI应用程序的工具包. **Selnium**:老朋友了，web自动化工具. 先说一下自己的思路 用户在界面上输入操作名称，关键字，定位方式，定位元素，操作的值，点击执行后，新开线程，将测试步骤拼接成actiion的名字,直接使用eval执行对应函数,调用selnium打开浏览器，实现自动化执行. 用例保存直接存为excel,方便后续维护.按照shee

题目二：回归算法 要 求：（1）撰写一份word文档，里面包括（常见的回归算法、基于实例的算法具体细节）章节。 （2）常见的回归算法包括：最小二乘法（Ordinary Least Square），逻辑回归（Logistic Regression），逐步式回归（Stepwise Regression），多元自适应回归样条（Multivariate Adaptive Regression Splines）以及本地散点平滑估计（Locally Estimated Scatterplot Smoothing），请选择一个算法描述下算法核心思想 （3）随意选用一个实例实现你所选择的回归算法。

介绍了step 的迭代过程 思路以及用流程图解释其过程

信息化基础架构逐步创新讲义.pptx