问题简介有限的条件下，最大的收益。例：线性规划问题，我们首先就是需要将文字内容转变为数学表达式，如下图：当得到这一组公式之后，我们也就是得到了一个线性规划模型，然后通过这个模型我们求出最大值或者最小值即可。“线性”意味着所有变量都是一次方。适合的题目：“怎样安排”，“尽量多少”，“最多（少）”，“利润最大”，“最合理”等词。matlab求解Linprog函数有一点需要注意，这个函数只能求的是目标函

机器学习中的数据归一化

定义与插值问题不同，在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数，使得该曲线在某种准则下与所有的数据点最为接近，即曲线拟合的最好（最小化损失函数）。插值和拟合的区别插值算法中，得到的多项式f(x)要经过所有样本点。但是如果样本点太多，那么这个多项式次数过高，会造成龙格现象。尽管我们可以选择分段的方法避免这种现象，但是更多时候我们更倾向于得到一个确定的曲线，尽管这条曲线不能经

监督学习给机器的训练数据拥有“标记”或者“答案”。就比如上图的MNIST数据集，我们需要给出每一行所对应的数字，机器才能学习。这里监督的意思就是我们人类给机器的信息已经进行了正确答案的划分。例：银行已经积累了一定的客户信息和他们信用卡的信用情况。监督学习主要处理的是分类和回归问题。算法：k邻近，线性回归和多项式回归，逻辑回归，SVM，决策树和随机森林。在以后的文章中我们都会慢慢介绍。非监督学习给机

BP人工神经网络（Matlab）

基本概念如上图中为著名的鸢尾花数据，下面围绕鸢尾花我门来了解一些定义：数据整体叫做数据集。每一行数据为一个样本。除最后一列为，每一列表达为样本的一个特征。最后一列称为标记。如果我们选取第一列和第二列的数据建立关系，可以得到下面的图，这个图也被称为特征空间。根据这个特征空间我没可以明显的看出鸢尾花被分为两类，一类我们标记为红色，一类标记为蓝色。然后我们可以通过一条直线将他划分为两部分，得到下图：将他

蓝桥天梯常用STL库，vector,set,map,queue,stack

定义主成分分析是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，其能反映出原始数据的大部分信息。一般来说，当研究的问题涉及到多变量且变量之间存在很强的相关性时，我们可考虑使用主成分分析的方法来对数据进行简化。数据降维的作用降维是将高维度的数据（指标太多）保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。在实际的生产

问题简介既要xxx，又要xxx。例：某工厂生产产品I和产品II，有关数据如下，若要满足以下三个条件：1.尽量使产品I的产量不超过产品II的产量；2.尽可能充分利用所有设备；3.尽可能使利润不少于56万。那么我们该如何建立模型呢？注：需要衡量每个目标的完成情况，并主管上区分三个目标的重要性，使得整体的完成情况尽量好。、接下来介绍几个重要的概念：1.正负偏差变量：正偏差就是超过目标的值的量，比如这个问