-
【基础方法】基因筛选方法
我对于基因和遗传这方面了解很少，小高考考的生物也早就还给了老师。这次看2016年的建模题，其中B题是基因相关的，长了不少见识。虽然不知道现在看的以后有没有用处，但学了就记录一下，免得忘了。 今天看的是两种基因的筛选方法，通常在预处理阶段完成。方法比较简单，编程也不难。 最小等位基因频率 等位基因频率常用于表示种群内基因的多样性，计算方法如下： $$等位基因频率=\frac{特定等位基因数量}{特定基因座数量}$$ 最小等位基因频率，简称MAF(Minor Allele…
-
【基础方法】聚类方法（K-means、FCM）
以前通常做的都是分类的问题，虽然说聚类也可以用于分类，但是这方面涉及的比较少，只大概了解了相关的概念。这次简单地介绍学习建模时候看到的三种聚类方法：K-means算法和FCM算法。 K-means聚类方法 K-means聚类方法通过均值进行聚类，每个原始的元素经过聚类后都属于并且只属于某一个类。这是一种严格划分的方法，也可称为硬划分(HCM)。 对于给定的含有$n$个元素的数据集$X$，$x_k$是其中第$k$个元素，$1\leqslant k\leqslant n$。将该数据集聚类…
-
【基础方法】Traveling Salesman Problem 问题和解决办法
TSP问题其实之前就学过，但是之前介绍的是递归贪心和动规的方法，这次看论文，看到了2-opt算法和蚁群算法，做一个简单的介绍。 TSP问题简单介绍 TSP（Traveling Salesman Problem），即旅行商问题或货郎担问题。假设有一个商人，需要去$n$个城市进行售卖，要求每个城市去且仅去一次，城市与城市之间的距离为确定值，最后返回出发城市，目标是求得一条最优路线，使得商人所走的路程最短。 这一个NP-hard问题，即在确定多项式时间内无法求解的问题。从图论的角度来看，这…
-
【语言特性】matlab图形界面GUIDE编程
创建图形界面 在命令行直接输入guide创建一个空白的GUIDE程序。 界面设计 坐标轴控件 1. 设置初始不可见 将visible设置为off(框内不打勾)。 按钮控件 1. 设置初始不可点击 将enable设置为false。 下拉框控件 1. 添加下拉选择 在string中添加，回车分隔。 代码 点击按钮，浏览文件，选择图像并显示 [filename,filepath]=uigetfile('*.png…
-
【课程学习】Machine Learning 第三周
Week 3 PROGRAMMING Logistic Regression Visualizing the data 这一段可以自己写，但是在pdf中也有直接的代码可以添加在plotdata.m中： % Find Indices of Positive and Negative Examples pos = find(y==1); neg = find(y == 0); % Plot Examples plot(X(pos, 1), X(pos, 2), 'k+'…
-
【实验分析】考虑平局的投票分类器
在基础分类器中，除了最近邻的方法外，投票也是常用的一种方法。投票的原理是：每一个部分拥有一票或多票，根据一定的规则投给某一个类别，获得最多票数的类别是最终得到的类别。 基础算法 很多matlab的实现投票分类器的代码如下： a=1:c; % c是类别数 for i=1:num h(i,:)=hist(index(i,:),a); % index是一个矩阵,每一个位置都有一个数字，在0到c之间 end [~,ind]=max(h,[],2); 我一开始也是使用这种方法…
-
【课程学习】《统计学习方法》之k近邻法
相似度查询有两种方法： 1. 范围查询，给定阈值。 2. k近邻查询，给定查询点和k。 k近邻法是一种基本分类与回归的方法。其基本思想是：一个样本的k个最相近的样本大多属于某一个类，则该样本也属于这个类。因此，k近邻算法不具有显式的学习过程。k值的选择、距离度量和分类决策规则是k近邻方法的三个基本要素。 k近邻算法 k近邻算法流程 输入：训练数据集$T={(x_1,y_1),(x_2,y_2),…,(x_N,y_N)}$，其中，$x \in X \subseteq R^n$为实…
-
【课程学习】Machine Learning 第一周和第二周
一直有想看Andrew Ng的机器学习课程，但是拖了很久都没有看完。之前也写过一些相关的博客，但是在博客搬家的时候没有保存下来。 第一周和第二周的内容比较少，作业也是在一起布置的。 WEEK 1 Introduction What is machine learning? 1. 机器学习的定义：为了完成某个目标T，从经验E中学习，同时具有一定的判断标准P。 Supervised Learning 1. 监督学习：部分样本已有正确的结果。 2. 分类： 回归…
-
【生活总结】从苏大到东南，四年又三年
保研的所有在9月28日定下来了，最后去了东南大学计算机科学与工程学院，进了PALM实验室，以后可能会做自然语言处理。 前期准备 在我高考炸了报考苏大的时候，就准备读研了。当时还想着读了其他专业转专业到金融来着，但是读了一年计算机觉得也可以，比金融好一些，就放弃了转专业。但是从始至终我都知道自己是要读研究生的，所以也不存在晃晃荡荡的。绩点也还可以，保证我可以拿到校内的保研名额，也没有挂过科。 科研方面，很多人加入了ACM，然后去打比赛，拿铜牌银牌金牌，我认识一个保研去了南大现在在微软实习…
-
【课程学习】《统计学习方法》之感知机
感知机（perceptron）是一种二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，通常取$+1$和$-1$两值。感知机学习目的是求出将训练数据进行线性划分的分离超平面。 感知机模型 超平面 对于超平面，我们常用以下的方程来表示： $$\omega\cdot x+b=0$$ 其中，$\omega$是超平面的法向量，这决定超平面的方向，$b$是超平面的截距，决定超平面到原点的距离。 一般来说，超平面维度都大于3。百度百科上解释超平面是$n$维空间到$n-…