欠拟合：模型没能拟合训练数据，通常是模型过于简单。过拟合：对于训练数据拟合太过，记住了训练数据但没有真的学习到特征，通常是建立了一个比较复杂的网络模型（或者数据量太少）。dropout层能平衡我们的神经网络，让我们每个神经元节点能被平等的对待，使得预测结果不会过度的依赖于某个特征或某个神经元节点。其工作方式如下：在实际过程中，每个神经元都有一定的概率（dropout的超参数）被失活（被out），如

本文主要介绍卡尔曼滤波的推导过程及建模步骤，是网站的学习笔记。本文主要是通过例子来引出卡尔曼滤波的建模思想及算法步骤。

最近弄了太多Python环境配置，在此写一篇随笔来总结归纳一下，以便温故知新。目录一、环境搭建第一步：使用Anaconda创建一个新虚拟环境第二步：在PyCharm中新建项目二、配置环境1. 配置Anaconda中已经有的2. 离线配置环境3. 在线安装3.1 Anaconda 命令行在线安装3.2 通过Pycharm在线安装三、最后检验一、环境搭建准备软件：Anaconda + ......

使用Python来绘制线型图，平时需要对其进行一些美化。

基于遗传算法改进的BP神经网络并在实际预测中的应用。

BP算法是我接触到的第一个算法，可谓是梦开始的地方，算法专栏用它作为开篇再合适不过了。目录1、什么是BP神经网络？2、BP神经网络的原理？3、BP神经网络如何实现？4、总结1、什么是BP神经网络？BPNN是一种当下的应用比较广泛的智能算法，是MLP的一种，是用于寻找数据集中非线性的、复杂的数据关系。它是基于生物神经网络的原型，对其进行抽象和模拟，模仿人脑思考问题的方式和方法，能很好的去发掘数据之间

我们通过一个具体的例子来介绍一下什么是马尔可夫模型我们假设天气有3种情况，阴天，雨天，晴天，它们之间的转换关系如下:(稍微解释一下这个图，我们可以这样认为，已知第一天是阴天，那第二天是阴天的概率是0.1， 第二天是晴天的概率是0.3，第二天是雨天的概率是0.6)每一个状态转换到另一个状态或者自身的状态都有一定的概率。：n为n-1的后一个时间（或者说单位），若n-1为当前时刻状态，那么n即为下一刻的

灰色系统理论是一个比较庞大的体系，在数据分析有很多的广泛使用，包括灰色关联分析、GM(1,1)、GM(2,1)、GM(1,n)以及各种改进的灰色模型算法等等。今天主要介绍GM(1,1)这个最简单的模型。

最近弄了太多Python环境配置，在此写一篇随笔来总结归纳一下，以便温故知新。目录一、环境搭建第一步：使用Anaconda创建一个新虚拟环境第二步：在PyCharm中新建项目二、配置环境1. 配置Anaconda中已经有的2. 离线配置环境3. 在线安装3.1 Anaconda 命令行在线安装3.2 通过Pycharm在线安装三、最后检验一、环境搭建准备软件：Anaconda + ......