如何预测船舶滑失率 [问题点数:50分]

Bbs1
本版专家分:0
结帖率 66.67%
Bbs7
本版专家分:24535
Blank
黄花 2017年11月 Java大版内专家分月排行榜第二
2017年9月 Java大版内专家分月排行榜第二
Blank
蓝花 2017年8月 Java大版内专家分月排行榜第三
2017年4月 Java大版内专家分月排行榜第三
2016年3月 Java大版内专家分月排行榜第三
Bbs2
本版专家分:395
Bbs1
本版专家分:0
其他相关推荐
【独家】加入时间特征的船舶轨迹离线压缩算法——研究AIS数据压缩的意义
船舶自动识别系统(Automatic Identification System,简称AIS),由岸基(基站)设施和船载设备共同组成,是一种新型的集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备。随着船舶AIS设备的强制安装,航运业进入了大数据时代。
《互联网信贷风险与大数据》读书笔记(五)
客户逾期管理
航运大数据——机遇和挑战
航运大数据——机遇和挑战 Ørnulf JanRødseth, MARINTEK,Trondheim/Norway, OrnulfJan.Rodseth@marintek.sintef.no Lokukaluge PrasadPerera, MARINTEK,Trondheim/Norway, Prasad.Perera@marintek.sintef.no Brage Mo, MA
AIS编码1
1.      什么是AIS 船舶自动识别系统(Automatic Identification System, 简称AIS)是一种新型的助航设备。 AIS基本功能是:将本船和他船的精确船位、航向、航速(矢量线)、转向速度和最近船舶会遇距离等动态信息和船名、呼号、船型、船长与船宽等静态信息通过VHF自动、定时播发,在VHF覆盖范围内(20海里)装备AIS设备的船舶,可自动接收到这些信息
【独家】加入时间特征的船舶轨迹离线压缩算法——快速Douglas-Peucker算法研究
本文提出的快速D-P算法不仅仅在压缩效果上进行了优化,而且在压缩效率上相比之前的两种压缩算法有了较大的提升。推动了移动物体轨迹压缩算法的研究。
员工离职太正常不过了!但是如何用Python来预测离职率呢?叼爆了
大数据使企业能够确定变量,预测自家公司的员工离职率。”——《哈佛商业评论》2017年8月 “员工流失分析就是评估公司员工流动率的过程,目的是预测未来的员工离职状况,减少员工流失情况。”——《福布斯》2016年3月 进群:548377875   即可获取数十套PDF哦!   import pandas as pd hr = pd.read_csv('HR.csv') col_name...
Python逻辑回归预测违约率
#-*- coding: utf-8 -*- import pandas as pd filename = 'C:/Users/Administrator/Desktop/demo/data/bankloan.xls' data = pd.read_excel(filename) x = data.iloc[:,:8].as_matrix() y = data.iloc[:,8].as_matr...
r语言预测波动率的实现:ARCH模型与HAR-RV模型
波动率是众多定价和风险模型中的关键参数,例如BS定价方法或风险价值的计算。在这个模型中,或者说在教科书中,这些模型中的波动率通常被认为是一个常数。然而,情况并非如此,根据学术研究,波动率是具有聚类,肥尾和长记忆特征的时间序列变量。 本博客比较了GARCH模型(描述波动率聚类),ARFIMA模型(描述长记忆),HAR-RV模型(基于高频数据和异构市场假设),以及来自SSE 50指数和CME利率期货...
轨迹跟踪---船舶航迹控制matlab程序
采用matlab---simulink,两种控制算法,算法简单明了。仿真中加入了不确定干扰。典型的欠驱动控制问题。
Logisitc Regression 预测员工离职率
Logistic Regression 基础Logistic Regression 沿用了 Linear Regression 的思路和想法,通过使用线性关系拟合得到真实的函数关系。同样的,如果模型结果表现不好,可能是超参数没调好,或者是训练集的特征没处理好(可以多构造一些特征,将线性特征构造成为非线性特征之类的)。由于用Linear Regression 求得的解范围是 正无穷 到 负无穷,而最...
预测和交易大型股票指数的高频波动率
本文分析了大型S&P500指数和SPY ETF,VIX指数和VXX ETN的波动率的可预测性和可交易性。尽管已有大量关于预测高频波动的文献,但大多数出版物仅根据统计误差评估预测。实际上,这种分析只是对已经制定的预测的实际经济意义的一个小的指示。因此,在我们的方法中,我们还通过交易适当的波动率衍生品来测试我们的预测。 简介 波动性在资产定价和分配以及风险管理中起着核心作用,例如风险价值和预期短缺...
四种波动率
草草地刷了一遍SHELDON NATENBERG 的《Option Volatility Trading  Strategies》,书的内容还是很入门的,从基本的概率论,方差、分布、VaR讲起,没有什么特别高阶的东西。总体来说,入门,或者复习的好书毕竟连GARCH这样的模型都只是提了一下。不过,总体而言,入门知识讲的还是很清楚的。         书中的第五章讲了四种波动率,这个让我对一些金融从
7.6 模型拟合及预测
在分析一个数据集合时,有三个需要解决的任务: 按照一个或一些选出的模型对数据进行拟合; 从一些已经拟合的类型中选取最合适的模型; 根据收集的数据做出预测。 7.6.1 模型拟合   基于前面章节介绍的Sklearn库提供的各种模型,对预处理后的数据集进行拟合,其主要用到各种模型类的fit方法。示例代码如下: 1. 有监督学习   线性回归,示例代码: lr.fit(X, y)   支持向量机,
波动率预测_GARCH模型与隐含波动率
波动率预测_GARCH模型与隐含波动率
【数据分析案例】留存率分析方法
案例来源:@GrowingIO檀润洋 @鸟哥笔记 @TalkingData @陈维贤案例地址:http://wwv.cyzone.cn/a/20160414/294127.html,http://www.yixieshi.com/51954.html,http://www.youxituoluo.com/4108.html,http://www.woshipm.com/operate/372455...
Kaggle入门之泰坦尼克号生还率预测
这是Kaggle上的一道入门题目,旨在让我们了解机器学习的大致过程。 题目链接:Titanic: Machine Learning from Disaster 题目大意:当年泰坦尼克号的沉没造成了很多人的死亡,救生艇不足是造成如此多人死亡的主要原因。尽管能否活下来要看运气,但是有些群体的存活概率比其他人更高。现在给出一些乘客的信息,包括他最后是否生还。根据这些信息,我们要对其他乘客是否生还进行预测
视频中的率失真优化
转载自:http://blog.csdn.net/nb_vol_1/article/details/53288937 一、率失真优化的目标就是: 1、在一定的码率(码率也表现为数据压缩的程度,码率越低,数据压缩的越厉害)限制下,减少视频的失真(减少失真就会提高视频的主观质量,看的人就会喜欢o(*≧▽≦)ツ)! 2、在允许一定的失真下,把视频压缩到最小!二、编码器的率失真优化的工作主要是按照某种
数据分析:留存率曲线拟合
留存率,在数据分析中,我认为是一个比较好用的指标,因为比较稳定,不会很容易受外界因素的干扰,大幅波动。例如活动,推广等。可以用来做用户的分类,做用户规模预测。 我们看到的留存曲线通常是这样的: 这里介绍几种留存率曲线拟合的方法: 1.用excel 拟合: 拟合样本,1日~12日留存率,画好曲线图后,为曲线图添加趋势线,选择对数或者幂函数(通常对数比较多),显示公式和R平方值,R平方
随机失活 dropout直观理解
dropout即随机失活正则化,如下图所示: a图中为标准的结构,b图中应用了dropout,可以看到,在应用过后会有一部分神经元失活了,没有与其他的神经相连,因此可以有效的减少过拟合现象,注意这里的失活为随机失活,即下次,这个失活的神经元可能又会被重新的开启。 如下图所示对dropout防止的理解: 的优缺点 优点: 1.因为有了卷积层,达到
淘宝跳失率
这是一个对于淘宝商家的说法 百度回答说: 跳失率  显示顾客通过相应入口进入,只访问了一个页面就离开的访问次数占该入口总访问次数的比例。 通俗来讲就是访客不管通过什么渠道达到目标页面,到达后没有继续访问该网站其他页面既离开,我们就称之为一次Bounce!也就是跳失了。   该指标可以直接体现出网站的(Landing Page/Entry Page)登录页是否有足够的吸引力让访客深入访问下去,到
深度学习: 随机失活 (dropout)
Introduction 随机失活,dropout,2012年于AlexNet中被提出。 Note : - 只针对 全连接层 进行操作; - 训练阶段和测试阶段的操作不同。 训练阶段 按概率p 随机 将神经元 置 0 [如下(b)图],以 缓解 神经元之间 隐形的协同适应,从而达到降低模型复杂度的目的: 别看dropout之后的网络只是原网络的一个 子网络 ,复杂度不比原网络
R语言金融波动率建模|基于SGED分布的变参数ARIMA+EARCH动态预测模型的研究
作者简介Introduction齐祥会:某高校小硕一枚,“中金所杯”全国高校金融衍生品竞赛二等奖获得者,通过FRM(金融风险管理师)考试, 获得过全国赛、省赛、校赛量化投资团体赛及金融建模等前三等奖项,即将就职于某期货公司投资研究部,研究方向为股指期货、国债期货等,热爱使用R语言金融统计建模及可视化分析,希望能与行业大神有更多学习交流的机会!   基于SGED分布的变参数ARIMA+EARCH动态
PostgreSQL 计算逾期率
方式1 select table1.first_0_overdue_people, table2.first_15_overdue_people, table3.second_0_overdue_people, table4.second_15_overdue_people, table5.all_people_0, table6.all_people_15, table1.first_0_ov...
美团点击下单率预测问题(以数据清洗与特征处理为主)
本文转载自美团点评技术团队文章http://tech.meituan.com/rerank_solution_offline.html。
率失真最优化解释
率失真最优化解释 http://hi.baidu.com/vv1133/blog/item/d03a6723688b054dac34de2b.html 源地址 所谓率失真(distortion-rate),其实指的是图像失真度与编码码率二者之间的相互关系。 其中的图像失真度,目前一般采用原始图像与编码重建图像之间的峰值性噪比PSNR来衡量,这个PSNR可以是亮度PSNR,也可以是
《用python进行员工离职原因分析与预测-----小象学院公开课》
1。什么是数据分析
数据挖掘比赛之“滑窗法”
作为参加数据比赛已经有8个月的一名新人,最近阅读了几位kaggle maser开源的代码,发现其中有一些有意思的内容,记录一些对于这些问题的思考。一:问题描述题目中涉及到严格的时间概念,例如:预测未来N天的流量(人流,销售等),预测未来N天内的用户-对象对(用户-商品等)的问题等,都可以利用滑窗法解决。诸如类似形式的问题,尤其是要有严格的时间概念的问题。二:基本方法假设:题目描述为预测未来N天的流...
船舶海上运动matlab仿真
根据平稳随机过程理论,根据船舶海上运动频谱,模拟了船舶的海上横摇、纵摇运动
船舶自动识别系统(AIS)
船舶自动识别系统(Automatic Identification System,简称AIS)是一种新型的助航系统及设备。目前AIS已发展成通用自动识别系统 (UAIS)。 一、AIS的宗旨     AIS的正确使用有助于加强海上生命安全、提高航行的安全性和效率,以及对海洋环境的保护。AIS的功能有:1、识别船只;2、协助追踪目标;3、简化信息交流;4、提供其它辅助信息以避免碰撞发生。AI
正则化之dropout(随机失活)详细介绍
本篇文章的主要内容来自于deeplearning.ai的学习笔记一、什么是dropoutdropout(随机失活):dropout是通过遍历神经网络每一层的节点,然后通过对该层的神经网络设置一个keep_prob(节点保留概率),即该层的节点有keep_prob的概率被保留,keep_prob的取值范围在0到1之间。通过设置神经网络该层节点的保留概率,使得神经网络不会去偏向于某一个节点(因为该节点...
船舶电力推进系统
摘要现代海洋电力推进船有很多系统。在研究系统和子系统行为时,其相互间互动和整合是至关重要的。在考虑故障情况、恶劣天气和复杂的海上作业时,这尤其重要。然而,许多模拟器,包括这里提出的,在研究定位系统和电力系统时是独立的。作为海洋系统仿真器MATLAB / Simulink库的扩展,本文提出了一种将两个系统相结合的模拟器。介绍了预期用例和相关设计选择。新的子系统模型包括基于功率的电气总线模型和简化的柴...
【Kaggle笔记】预测泰坦尼克号乘客生还情况(决策树)
数据集 泰坦尼克号乘客数据集 代码# -*- coding: utf-8 -*- """ 泰坦尼克号乘客生还情况预测模型 决策树 """# 导入pandas用于数据分析。 import pandas as pd # 利用pandas的read_csv模块直接从互联网收集泰坦尼克号乘客数据。 titanic = pd.read_csv('titanic.txt')# 机器学习有一个不太被初学者重视,并
分类与预测算法评价标准
1.利用训练集对模型进行预测建模,利用测试集对模型进行验证分析,一般训练集数量与测试集数量为8:2; 2.模型预测效果评价指标:相对/绝对误差、平均绝对误差、均方根误差、平均绝对百分误差。 绝对误差:E=Y-Y1;其中E为绝对误差,Y为实际值,Y1为预测值; 相对误差:e=(Y-Y1)/Y; 平均绝对误差: 均方误差:避免正负误差不能相加,加强数值大的误差在指标中的作用,提高指标
使用深度学习预测员工流失率
墨西哥的员工流动率在全球排名第八,平均每年约17%的流失率 - 一些行业(如餐饮服务)的流失率高达50%。 根据Catalyst的一项研究,平均而言,替换员工的成本约为员工年薪的50%至75%。 考虑到月薪为2万比索的中级职位,替换这名员工的总费用约为14万比索。 平均而言,替换员工需要大约50天的时间,由于生产力损失而产生的成本将持续增加。 对于像everis这样的拥有超过2万名员工的大公司来说
船舶航向计算
参考网址http://rebelengineering.blogspot.com/Here is some of our code- this section is a compound if function written last night that determines the course angle based on the cartesian plane and the angle
第四章-信息率失真函数(一)
第4章 信息率失真函数 主要内容 : 4.1  平均失真和信息率失真函数 4.2  离散信源和连续信源的R(D)的计算     4.1  平均失真和信息率失真函数 4.1.1  失真函数 假如某一信源X,输出样值为xi,xi{a1,…an},经过有失真的信源编码器,输出Y,样值为yj,yj {b1,…bm}。如果xi=yj,则认为没有失真;如果xi  yj,那么就产生了失真。
信用卡违约客户的预测模型的选择(二)验证过程
验证过程该数据集包含23个输入变量(input variable)和一个响应变量(response variable)。该数据集来源于UCI machine learning repository,为某银行的信用卡客户信息数据,共有30000个样本,包括过去六个月的账单还款情况。 Y:下个月还款违约情况(1=逾期,0=未逾期)X1:信用额度,包括其个人和家庭补充信用。X2:性别(1=male;2=...
船舶运动控制研究的基本问题
船舶动态具有大惯性特点,万吨巨轮的时间常数可达到百秒以上,对动舵的响应相当慢,某些开环不稳定船舶甚至存在着对操舵的反常反应(在一定舵角界限内打右舵,船头反而向左偏转)。 什么是鲁棒稳定性以及鲁棒性能?         一个控制器如果在被控过程处于标称条件下(即过程模型不存在不确定性、环境干扰以及量测误差)使闭环控制系统稳定,则称该系统具有标称稳定性,如果此时闭环控制系统还满足规定的性能指标
IJCAI-18 阿里妈妈搜索广告转化预测 Top2%思路
IJCAI-18 阿里妈妈搜索广告转化预测 初赛Top2%思路 源码链接 赛题回顾 搜索广告的转化率,作为衡量广告转化效果的指标,从广告创意、商品品质、商店质量等多个角度综合刻画用户对广告商品的购买意向, 即广告商品被用户点击后产生购买行为的概率。 本赛题给出了某月18日到24日的数据作为训练集,并从25日的数据中(按用户?)抽取30%的数据作为A榜测试集, 70%的数据作为B榜测试集...
船舶模拟驾驶
osgGA库提供很多的操作器,本文例子继承了CameraManipulator,利用其矩阵变换和事件处理的接口编写了自己用来实现模拟驾驶效果的操作器DrivingManipulator。
【数据分析案例】使用机器学习做游戏留存数据挖掘的一种尝试
案例来源:@深极智能案例地址:https://zhuanlan.zhihu.com/p/312135531. 目标:针对K游戏数据,预测玩家留存情况,并找出影响留存的因素2. 数据:玩家id,动作,动作时间戳,玩家关键属性(金币、装备、等级等)3. 数据清洗:1)剔除操作数<16的玩家,这类对游戏题材不感兴趣,非目标用户2)剔除冷门动作信息(在这里绝大部分冷门动作信息是玩家固有的聊天动作)4...
python 深度学习(5)-- 随机失活 & 过采样
(1)随机失活随机失活 指的是在每轮训练时忽略一定随机数量的神经元,dropout 可能会提高 DNN 性能。随机省略一部分隐藏的神经元的过程称之为 随机失活 。如图阐释一下这种方法:对于每次训练的实例,每个隐藏层的神经元以 p 的概率从网络中随机被忽略。由于神经元是随机选择的,因此每个训练实例选择的都是不同的神经元组合。随机失活并不能保证提高性能,但通常值得一试。牢记以下三点:(1)通过在 DN...
时间序列预测算法总结
时间序列算法 time series data mining 主要包括decompose(分析数据的各个成分,例如趋势,周期性),prediction(预测未来的值),classification(对有序数据序列的feature提取与分类),clustering(相似数列聚类)等。 时间序列的预测 常用的思路: 1、计算平均值 2、exponential smoothing指数衰减  ...
智能船舶概况(国内篇)
2017年12月5日,由中国船舶工业集团公司研制的38800吨智能散货船“大智”轮在上海海事会上正式发布,同时,中国智能船舶创新联盟正式成立。深度学习的兴起与船舶自动化水平的的提高,智能船舶已经成为全球航运未来发展方向之一。那么问题来了,那啥子是智能船舶呢?根据中国船级社(CCS)在2016年颁布的《智能船舶规范》中的定义:“智能船舶系指利用传感器、通信、互联网等技术手段,自动感知和获得船舶自身、...
全球船舶实时位置信息查询
BLM-Shipping电子海图、谷歌地图、微软地图等多种地图上浏览实时船舶AIS信息。通过船队管理实时定位船舶AIS位置。查询2009年起的船舶航行轨迹。在地图上浏览并过滤船舶AIS,并对船舶航行情况分析。浏览和播放船舶航行轨迹,可提供多年任意时间段船舶航行轨迹。
BDCI 2017 商铺预测(回忆)
一次结束,总归要写个回忆 一是以后写进简历的项目经历可以复习 二是对过去一个多月的时间的交代 (可能会较啰嗦吧, 穿插着回忆)比赛页面 比赛前一个多月前,组内大佬问我要不要参加这次CCF大赛,我确实不想参加,因为当时的我,申请没搞定,文书没搞定,套磁一个offer都没有,回信都没有。 都要失学了,做什么比赛啊。可是组内成员几乎都参赛了,组会都已经变成竞赛讨论的主题。我也在想,我进实验室这一年
免费船舶定位系统
可以定位船舶位置,类似GPS的东东,看看查看船舶到港信息。免费注册使用哦!
如何理解召回率、精确率以及准确率?
True Positive(真正, TP):将正类预测为正类数. True Negative(真负 , TN):将负类预测为负类数. False Positive(假正, FP):将负类预测为正类数 → 误报 (Type I error). False Negative(假负 , FN):将正类预测为负类数 →漏报 (Type II error).实际上非常简单,精确率是针对我们预测结果而言的
关于淘宝跳失率
http://www.mhaoduo.com/bbs/showtopic-3716.aspx  想了解自己淘宝店铺推广的效果,就可以从淘宝跳失率分析出来,从而获得更多的有效客户。首先先来说说什么是淘宝跳失率,淘宝跳失率= 只浏览了一个页面的Visits / 全部的Visits(其实细究这个东西,还有两个关键词,loss和Single PV,不过我们知道这个算法就够了),量子官方解释,顾客通过相应
携程是如何借助“预测式外呼”提高呼叫效率的
携程目前拥有15000+座席,日均电话呼出量30W左右,在如此规模的呼叫中心外呼业务中,我们不断尝试着去降低座席等待时长、提高外呼效率,从而为业务提供更加值得依赖的呼叫中心服务。 作为纯软平台,由携程自主研发的SoftPBX系统具有强大的功能灵活性与可扩展性,这也为提升座席外呼工作效率提供了技术可行性:根据算法预测出将要空闲的座席人数,当前的可呼叫电话数等信息,自动对要执行的任务进行外呼,当呼通
船舶自动识别系统(AIS)数据分析和挖掘
船舶自动识别系统数据分析和挖掘开题报告模版
dropout比率最好的设置为0.5,因为随机生成的网络结构最多
在编写tensorflow程序的时候,会发现训练的时候dropout的参数keep_prob=0.8(0.5,0.9等等),在测试的时候keep_prob=1.0,即不进行dropout。     关于dropout到底是什么,下面这篇博客写的很好,尊重原创,本文已注明是转载文章。      理解dropout   注意:图片都在github上放着,如果刷不开的话,可以考虑翻墙。...
预测响应模型的应用
1.预测响应模型是数据挖掘中最常见的应用模型,最直接的涉及的精细化运营的客户分层以及随后的个性化区别对待 2.预测响应模型涉及的几种算法:神经网络、决策树、逻辑回归、多元线性回归 3. 神经网络是一组互相连接的输入、输出单元,其中每个连接都会与一个权重相关联 人工神经网络的结构大致分为两类:前向型网络、反馈型网络 前向型网络:是指传播方向是从输入和输出端,并且没有任何的反馈,所谓的反馈型网络
数据分析实例:员工流失建模与预测
作者简介IntroductionJoffy Zhong:咨询顾问 | 写作爱好者 | 数据分析 | 互联网创业者 R语言中文社区专栏作者知乎ID:https://www.zhihu.com/people/joffy/posts 往期回顾:数据分析项目实战:大型商场销售预测(带你挤进比赛前100名)背景介绍大家好,我是乔飞我曾为一些中小企业做过管理咨询,其中部分模块涉及到人力资源,这也是我在工作过程
机器学习之路——Caffe、Keras、scikit-learn实战
机器学习需要一条脱离过高理论门槛的入门之路。本书《机器学习篇》从小红帽采蘑菇的故事开篇,介绍了基础的机器学习分类模型的训练(第1章)。如何评估、调试模型?如何合理地发掘事物的特征?如何利用几个模型共同发挥作用?后续章节一步一步讲述了如何优化模型,更好地完成分类预测任务(第2章),并且初步尝试将这些技术运用到金融股票交易中(第3章)。自然界*好的非线性模型莫过于人类的大脑。《深度学习篇》从介绍并对比一些常见的深度学习框架开始(第4章),讲解了DNN模型的直观原理,尝试给出一些简单的生物学解释,完成简单的图片识别任务(第5章)。后续章节在此基础上,完成更为复杂的图片识别CNN模型(第6章)。接着,本书展示了使用Caffe完成一个完整的图片识别项目,从准备数据集,到完成识别任务(第7章)。后面简单描述了RNN模型(第8章),接着展示了一个将深度学习技术落地到图片处理领域的项目(第9章)。
准确率(Precision)、精确率、召回率(Recall)、F值(F-Measure)
下面简单列举几种常用的推荐系统评测指标:准确率与召回率(Precision & Recall)准确率和召回率是广泛用于信息检索和统计学分类领域的两个度量值,用来评价结果的质量。其中精度是检索出相关文档数与检索出的文档总数的比率,衡量的是检索系统的查准率;召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率,衡量的是检索系统的查全率。一般来说,Precision就是检索出来的条目(比...
HEVC率失真优化
参考:新一代高效视频编码H 265/HEVC:原理、标准与实现 率失真优化是视频编码的重要内容,是保证编码器编码效率的主要手段。 什么是率失真优化 为了在有限信道内传输、存储数据量巨大的视频,需要采用有损压缩方式对视频进行压缩,但在降低码率的同时也引入了失真。因此需要在码率和失真间进行权衡。 视频编码的主要目的就是保证一定视频质量的条件下尽可能的减少编码比特率,或保证一定编码比特率的条
美团团购单交易额预估问题
本文转载自美团点评技术团队文章http://tech.meituan.com/mt-mlinaction-how-to-ml.html
步进电机的失步和过冲是什么意思
步进电机是将脉冲信号转换为位移信号的,就是给电机一个脉冲,就转一个角度。如果脉冲频率过快,电机不能转动指定角度,相当于把其中的几个脉冲信号丢掉了,就叫丢步,也就是失步;过冲是指电机接到停止命令后,制动转矩使电机停止位置超过了指定位置,就叫过冲
分类问题的精确率和召回率 (准确率)
参考李航的统计学习方法 TP--将正类预测为正类数; FN--将正类预测为负类数; FP--将负类预测为正类数; TN--将负类预测为负类数; 精确率定义为 P=TP/(TP+FP) 精确率定义为 R=TP/(TP+FN) F1的值 2/F1=1/P+1/R 对100条数据进行分类,100条数据中正的有70条,反的有30条,
船舶运动数学模型
贾欣乐、杨盐生教授编著的船舶数学模型的经典之作!
Pytorch 计算误判率,计算准确率,计算召回率
无论是官方文档还是各位大神的论文或搭建的网络很多都是计算准确率,很少有计算误判率,下面就说说怎么计算准确率以及误判率1.计算正确率获取每批次的预判正确个数train_correct = (pred == batch_y.squeeze(1)).sum()该语句的意思是 预测的标签与实际标签相等的总数获取训练集总的预判正确个数train_acc += train_correct.data[0]   ...
船舶运动控制器设计仿真程序代码 MATLAB
船舶运动控制器设计仿真程序代码,MATLAB,两个M文件。
时间序列(三)滑动窗口
滑动窗口就是能够根据指定的单位长度来框住时间序列,从而计算框内的统计指标。相当于一个长度指定的滑块在刻度尺上面滑动,每滑动一个单位即可反馈滑块内的数据。import matplotlib.pylab import numpy as np import pandas as pd指定六百个数据的序列df = pd.Series(np.random.randn(600), index = pd.date_
采用scikit-learn进行银行贷款拖欠数据分析
经过数据探索与数据预处理,得到了可以直接建模的数据。根据挖掘目标和数据形式可以建立分类与预测、聚类分析、关联规则、时序模式和偏差检测等模型,帮助企业提取数据中蕴含的商业价值,提高企业的竞争力
数据分析--用R语言预测离职(上)
数据分析–用R语言预测离职(上) 本文参考的文章: 1.R语言-离职率分析 2.R语言-逻辑回归+主成分分析-员工离职预测训练赛 3.Kaggle十大经典案例—员工离职预测 4.Kaggle十大案例精讲(免费) 5.数据分析实例:员工流失建模与预测 数据来源: SAMPLE DATA: HR Employee Attrition and Performance 数据可以直接下载,...
Titanic生还率预测
Titanic生还率预测是Kaggle的经典项目,最近学习了机器学习与数据分析相关算法,参考了Kaggle里一些Kernels,通过此项目来锻炼自己所学的知识。 主要使用Python语言里的pandas、sk-learn、matplotlib包进行相关数据分析。 主要分析思路分为四个部分:导入数据、数据可视化、数据整理、调用算法预测。 一、导入数据 #导入数据,简单查看数据特点 af=pd
kaggle——泰坦尼克号生死预测
把很久以前做的泰坦尼克号的代码贴出来。 # -*- coding: utf-8 -*- """ Created on Fri Mar 30 14:23:12 2017 @author: Yichengfan """ import pandas as pd train = pd.read_csv(r"F:\TS\03_other_parts\Titanic\02_data\train.csv...
Kaggle十大经典案例—员工离职预测
项目背景:Our example concerns a big company that wants to understand why some of their best and most experienced employees are leaving prematurely. The company also wishes to predict which valuable employ...
Cox模型分析客户流失时间
转载自:http://www.jiayounet.com/index1/Item/Show.asp?m=1&d=1828 Cox模型分析客户流失时间      一、生存分析与cox比例风险模型... 1 1. 生存分析... 1 2. cox比例风险模型... 1 二、案例分析... 3 1. 案例说明... 3 2. SAS 实现... 3 3. SP
实战微博互动预测之三_xgboost答疑解惑
具体算法还是使用xgboost库,之前看到的大多数关于xgboost的文章,要么是讲数学原理,要么是参数的中文说明,xgboost似乎还是一个黑盒,下面就结合具体问题看看xgboost的使用。
谷歌分析工具中跳出率、退出率、二跳率的含义
从事互联网广告多年,利用 Google Analytics工具的时候,诸如“跳出率、退出率、二跳率”等概念常常见到,但各种解释往往混淆不清。这些指标是衡量网站的用户深度(卷入度)的重要指标,有助于我们评估网站的用户体验和广告效果。系统整理了下这些概念的正确含义,和大家分享: 1、跳出率 跳出率是指仅浏览了该页面就离开网站的用户比例。参考:Google的解释 例如,100个人进入该页面,5个人
船舶回转与Z形试验简单仿真程序
程序使用MMG模型 这里不截图了,感兴趣可以下载运行! 操作方法: 进行仿真时,先点击开始,等几秒钟待数据文件保存好后,点击视图,弹出视图对话框,点击按钮即可显示! 程序难免存在错误,请谅解! 程序下载地址点击打开链接
船舶性能计算软件
船舶性能计算
国内航运企业船舶管理系统
基于MyEclipse开发的软件工程课设
信用卡违约客户的预测模型的选择(四)logistic模型及模型比较
logistic模型为改进测试权重的结果,首先设置weights权重为1,然后基于其进行向量梯度递减,进行梯度递减的计算量较大,为了减少计算量可进行随机梯度递减计算。梯度递减算法自适应减小预测结果与实际结果之间的差值。调整参数alpha = 4/(1.0+j+i)+0.0001实参数旨在避免随着调优的进行alpha趋近于零。I,j随着迭代不断增加,alpha逐渐减小,降低参数调整的幅度。在这里我们...
基于spark用线性回归(linear regression)进行数据预测(谋杀率)
分类和聚类算法很多,但是对数据进行精准预测的算法不是很多,这里介绍下最常用的线性回归例子 spark官网上给出的例子不够全面,网上有些例子也不够具体,自己整理了一份 我的开发环境是ubuntu+IDEA+spark+scala 训练数据LR_data如下 3615, 3624, 2.1, 69.05, 15.1, 41.3, 20, 50708 365, 6315, 1.5, 69.3...
概率编程——未来也可以这样预测
1814 年,皮埃尔•西蒙•拉普拉斯写道“在很大程度上,人生最重要的问题就是概率问题。”然而漫长的概率理论研究却是一波三折,直到概率编程的出现使其取得了重要的进步。 “明天可能下雨吗?”“这个球他能踢进吗?”“他抛的硬币会是正面还是反面?”……我们每天都身处在无数的概率事件中,不同的结果可能会带来完全相反的影响,这是完全有趣的经历,仔细一想,是不是就不会觉得人生是如此枯燥?人们对于概
Python selenium爬虫抓取船舶网站数据(动态页面)
很早之前就开始学习爬虫了,一直想学习爬取动态页面,正巧工作中需要用到一个船舶信息的网站,每次都是手动查询太麻烦了,昨天下午研究了一下午,总算搞透彻了,基本步骤如下: 1、启动浏览器 2、打开网页 3、模拟输入,模拟点击 4、稍等一会(很重要) 5、获取网页数据 6、清洗数据 代码分两部分,一部分保存为函数(Chrome_shipxy.py),另一部分作为程序调用函数,这样方便扩展多进...
船舶燃料油指标计算公式
计算CCAI,API,热值,观测时密度计算,依据为ISO8217:2012,GB17411-2015
5.【基础】泰坦尼克号幸存预测--DecisionTree
本文所有实现代码均来自《Python机器学习及实战》 #-*- coding:UTF-8 -*- #第一步:读取泰坦尼克号乘客数据 import pandas as pd titanic = pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt') #观察前几行数据,可以发现数据种类...
(1)ARCH效应、均值方程、GARCH族模型、对波动率建模、预测(包含代码)
一、ARCH模型的介绍   ARCH 模型通常有两个方程构成:   模型建立流程:   对资产收益率序列建立波动率模型需要4个步骤:   (1)通过检验数据前后相关性建立一个均值方程,如果有必要,对收益率序列建立一个计量经济模型来消除任何的线性依赖。   (2)对均值方程的残差进行ARCH效应检验。   (3)如果ARCH效应在统计上是显著的,则指定一个波动率模型,并对均值方程和波...
真正率-真负率
True Positive (真正, TP)被模型预测为正的正样本;True Negative(真负 , TN)被模型预测为负的负样本 ;False Positive (假正, FP)被模型预测为正的负样本;False Negative(假负 , FN)被模型预测为负的正样本;True Positive Rate(真正率 , TPR)或灵敏度(sensitivity) TPR = TP /
网络丢包率测量工具下载
可以测试网络丢包率,能够设定详细的测量参数,了解网络当前的性能
python 分析泰坦尼克号生还率,结果真让人感到很无奈!
                学习Python中有不明白推荐加入交流群                 号:516107834                 群里有志同道合的小伙伴,互帮互助,                 群里有不错的学习教程! 泰坦尼克号数据集,是kaggle(Titanic: Machine Learning from Disaster)上入门机器学习(ML)的...
AIS船舶原始数据(AIVDM类型,包含航行数据,重庆采集)
本文件数据包含AIVDM,船舶自身数据,静态航行数据,采集于重庆(最近),可以供AIS研发等相关人员下载验证协议解码等,大约包含88000条数据。格式已经处理("AIVDM原始数据\n",)。
泰坦尼克生还因素分析及建模生还预测
问题背景: 泰坦尼克豪华游轮即将沉没,救生艇数量有限,无法人人都有,副船长‘女士小孩优先的指示下’,打破了随机获救的平衡。 分析过程: 1.流程设计:数据准备,数据清理,分析展示,建模评估 2.数据准备和观察 3.数据预处理:清理、变换、缺失值填补等 4.分析展示(一维分析、二维分析) 5.建模与评估 一:数据准备
舰船知识科普-有图有真相(附PPT)
版权声明:本文为博主原创文章,未经博主允许不得转载。 在这新春佳节来临之际,作为曾经的“龙的船人”,整理了两年前做的《船舶知识科普》PPT。 该PPT为科普类型,没有过多的技术性描述,重在船舶整体知识的科普。整个PPT风格为全图型PPT,包括“辽宁舰”一段很燃的开场视频,各类桌面壁纸级别的128张船舶图片,及必要的部分文字解释,力求涵盖目前所有类别的民用船舶、军用舰艇及海洋平台。 由...
Tensorflow计算正确率、精确率、召回率、虚警率和漏检率
目录 1.二分类评价标准介绍 2. Tensorflow实现代码 1.二分类评价标准介绍 在进行二分类后需要对分类结果进行评价,评价的标准除了常用的正确率之外还有召回率精确度,虚警率和漏警率等。首先介绍一下最常用的正确率 正确率(Accuracy)表示政府样本被正确分类的比例,计算公式如下: 其中NTP 表示正类样本被正确分类的数目,NTN表示负类样本被正确分类的数目,NFP表示负...
python xgboost分析婚外情几率
最近刚刚学习到xgboost,据说效果杠杠的,神器啊 这里是一个使用的小例子: 1 我用的是Anaconda,先安装xgboost 2 数据集:(课程作业,我也不知道这个数据集哪里来的) 数据集Affairs.csv,取自于1969年《今日心理》(Psychology Today)所做 的一个非常有代表性的调查,而Greene(2003)和Fair(1978)都对它进行过分析。该数据从60
AIS系统建设中解析到的船舶航行状态说明
航行状态对应如下:                 0:                     "航行中";                 1:                     "抛锚";                 2:                     "没有在命令下";                 3:                     "操纵受限制"
基于逻辑回归模型 下的简单用户违约预测分析
一 分析目的 本文分析数据来源于捷克银行(Czech bank),该数据涉及5300个银行客户数据、100万笔交易数据、700份贷款信息、900张信用卡数据。 通过对这些数据进行清洗、变换,并进行规范化后,来得到用户的信用度等描述性信息,并通过逻辑回归模型来对这些数据进行预测判断,得到哪些用户的贷款违约率较大等信息,从而为银行提供如下的相关决策支持: 1)针对高价值的用户,可以推荐或定制更多
Tensorflow学习笔记之利用DNNRegressor进行时序预测
Tensorflow学习笔记之利用DNNRegressor进行时序预测  Tensorflow高级库的DNNRegressor很方便使用,如同sklearn库一样的简单,只要定义好数据格式,然后fit然后predict就可以了,时序预测中最出名的恐怕lstm了,但是最近在使用它时,对于数据缺失和数据量少的情况感觉预测不是很好,受到同事的启发,利用DNN来进行预测,效果还行,记录下方便以后查看。 ...
船舶全文库在线产品设计说明
船舶全文库在线产品设计说明 by eattonton 《船舶标准全文库》是船舶设计的基础,它的内容涉及船用材料,设备等等。它是船舶设计者,采购者,供应商,建造者多方船舶参与者得依据。设计一套简便易用的标准查询手册是很有必要的。得益于TriWebMarine团队在海事数据领域的帮助,我们开发了基于微信,构筑图形一体的查询手册程序(微信公众号:TriWebMarine)。下面简要的介绍一下程序的设
AM中使用PML语言标注船体结构
摘要: Aveva Marine是Aveva公司收购Tribon公司之后,整合了M3和PDMS两大模块。现在AM解决方案在船舶和海洋工程行业应用日趋成熟,这得益于M3在船体结构方面的成熟市场,和PDMS在舾装管系方面的强大。   1.前言     M3在船舶生产设计中已经被普遍使用,并且得到行业中的一致认可。由于M3是基于欧洲的造船工艺开发,在国内十几年的引进使用中,也进行了大量的二次开发
船舶定位网站
国内:http://www.ais.msa.gov.cn/ 国际:http://www.marinetraffic.com/
船舶的几个吨位概念
船舶的几个吨位概念 载重量 Deadweight tonnage (DWT) 在一定水域和季节里,运输船舶所允许装载的最大重量,包括载货量、人员(旅客和船员)及其行礼、食品、淡水、燃料、润滑油、炉水、备品和供应品等的重量,又称总载重量。载重量表征了船舶的等级大小和运输能力,是船舶的主要参数之一。 一般来说,载重量与相应的季节、吃水相对应。如果不作特别说明,多指夏季满载吃水情况下的总载重量。总载重量
我们是很有底线的