- 综合排序
- 最热优先
- 最新优先
- 来自专栏WOLFRAM
计算思维@Torrey Pines 高中
她热衷于教学，即使是对于自己的数学课堂之外的学生，她一样满怀热忱，这也正是她创立CT@TP（计算思维@TorreyPines）的原因。 CT@TP是一个计算思维俱乐部，旨在培养学生"如何提出问题，如何把问题用计算机可以理解的方式提出以便让其来解决问题"的能力。 （干货共享在文末。） Abby不仅想将计算思维普及到自己的课堂之外，还想将Mathematica——这个自己数学课上使用的主要工具，介绍给高中一年级和二年级的学生。 在2016年Wolfram技术大会上，她亲眼目睹了Wolfram语言可用于计算思维的各种创新方式（参见“ Stephen Wolfram 的博客：如何训练孩子们的计算思维“ ），她深受启发, 创办了计算思维俱乐部 Abby、Emily和Shannon的故事殊途同归：她们每个人都找到了利用计算思维来探索个人兴趣的方法，每个人都通过CT@TP获得了动力。
82220发布于 2019-04-30 - 来自专栏信数据得永生
计算与推断思维 十五、分类
只有两个属性时点的距离 我们需要做的主要计算是，找出 Alice 的点与其他点之间的距离。 为此，我们需要的第一件事就是计算任意一对点之间的距离。 我们如何实现呢？ 在二维空间中，这非常简单。 计算机算法推广得很好：你需要的所有事情，就是计算距离的能力，这并不难。真是亦可赛艇！ 多维距离 我们知道如何在二维空间中计算距离。 计算最佳斜率可能需要几分钟的时间。 预测的计算可能需要几分钟的时间。
86820编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十三、预测
然而，你将会看到，这个计算很简单，可以帮助我们理解r的几个属性。 r的公式： r是两个变量的乘积的均值，这两个变量都以标准单位来衡量。 以下是计算中的步骤。 t.scatter('y', 'x', s=30, color='red') correlation函数 我们将要重复计算相关性，所以定义一个函数会有帮助，这个函数通过执行上述所有步骤来计算它。 残差是y的观测值与y的拟合值之间的差值，所以对于点(x, y)： residual函数计算残差。 我们还可以计算每种情况下，预测变量和残差之间的相关性。 为了在数值上验证结果，我们只需要计算双方的一致性。
3K10编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 五、表格
为了使用表格，导入所有称为datascience的模块，这是为这篇文章创建的模块。
79210编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十一、估计
十一、估计 原文：Estimation 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 在前一章中，我们开始开发推断思维的方法。 我们将用推断思维来回答这个问题。 基于随机样本的统计量可能是总体中未知参数的合理估计。例如，你可能希望使用家庭样本的年收入中位数，来估计美国所有家庭的年收入中位数。 所以下面，计算 359 的 85%，它是 305.15。 0.85 * 359 305.15 这不是一个整数。 她使用样本来计算用作估计值的统计量。 一旦她计算出了统计量的观察值，她就可以把它作为她的估计值，然后顺其自然。 但她是一名数据科学家。 例如，回想一下，我们计算了区间(26.9 yr, 27.6 yr)，作为母亲平均年龄的约 95% 的置信区间。
1.5K20编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十七、更新预测
那么我们的计算就变成了64 /(60 + 64)，就是 0.516。 所以计算只取决于不同类别的比例，而不是计数。 为了便于比较，比例可以用树形图可视化，直接显示在数据透视表下方。 这两个分支现在形成了我们的简化概率空间，所有几率的计算必须相对于这个简化空间的总概率。 所以，考虑到学生已声明专业，他们是三年级的几率可以直接从树中计算出来。 我们计算了其中的一个： 假设学生已经声明，学生是三年级的后验概率表示为 ，计算如下。 由于计算是正确的，我们来看看我们的概率计算的基础：随机性假设。 我们的假设是，一个随机选择的人进行了检测，并得到了阳性结果。但是这在现实中并没有发生。 我们正在想象一个病人接受检测的现实情况，因为有一些理由让他们这样做，而计算基于随机选择的人进行检测。 所以让我们在更现实的假设下重做我们的计算，即病人正在接受检测，因为医生认为病人有发病的机会。
43220编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 一、数据科学
通过理解一个特定的领域，数据科学家学习提出有关他们的数据的适当的问题，并正确地解释我们的推理和计算工具提供的答案。 简介 数据是对我们周围世界的描述，通过观察来收集并存储在计算机上。 计算机使我们能够从这些描述中推断出世界的特性。数据科学是使用计算从数据中得出结论的学科。有效的数据分析有三个核心方面：探索，预测和推理。 在这个努力中，我们将结合两个基本工具：计算和随机化。例如，我们可能想使用温度观测来了解气候变化的趋势。计算机允许我们使用所有可用的信息得出结论。 批判性思维一直是严格教育的标志，但在数据支持下，批判往往是最有效的。对世界任何方面的批判性分析，可能是商业或社会科学，涉及归纳推理；结论很少直接证明，仅仅由现有的证据支持。 在这里，我们要求计算机来计算《哈克贝利·芬》和《小女人》的每章中的字符和句号数量。
65320编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 三、Python 编程
在数据科学中，编写程序的目的是，指示计算机执行分析步骤。 电脑无法自行研究世界。 人们必须准确描述计算机应该执行什么步骤来收集和分析数据，这些步骤是通过程序来表达的。 程序由表达式组成，向计算机描述了如何组合数据片段。 例如，乘法表达式由两个数字表达式之间的*符号组成。表达式，例如3*4，由计算机求值。 数值 整数值 计算机为执行数值计算而设计，但是关于处理数字有一些重要的细节，每个处理定量数据的程序员都应该知道它。 下面计算过去 10 年联邦支出的年增长率。 为了计算changed，使用指数来重复应用增长率g t次。 initial * (1 + g) ** t 为了计算g，计算总增长率的1/t次方并减一。
48930编辑于 2022-12-01 - 来自专栏数据结构与算法
POJ 1113 Wall(思维 计算几何 数学)
给出平面上n个点的坐标。你需要建一个围墙，把所有的点围在里面，且围墙距所有点的距离不小于l。求围墙的最小长度。 n小于等于10^5
59310发布于 2019-03-04 - 来自专栏企鹅号快讯
每个学生都需要培养计算思维
每个学生都需要培养计算思维，可是为什么没有石头思维，蒸汽机思维，TNT思维？ 文中提出一个鲜明的观点：计算思维的教和学是新加坡人为数字世纪做好准备的关键，每个学生需要培养计算思维。 那么，计算思维到底是什么呢？ 如此来看，计算思维就是利用计算机科学的基本概念解决问题, 设计系统和理解人类行为的一种思维方式。 也就是说，计算思维是一种建立在计算机科学概念基础上的思维方式，它不局限于计算机。说到底计算机只是一种工具，这种工具的伟大之处在于它促使人们借此发展了思考问题的方式。
1.6K90发布于 2018-01-02 - 来自专栏信数据得永生
计算与推断思维 九、经验分布
这个想法是，由于大型随机样本可能类似于从中抽取的总体，从样本中计算出的数量可能接近于总体中相应的数量。 轮盘赌 上面的分布让我们对整个随机样本有了印象。 那是因为它正在执行抽取大小为 1000 的样本，并计算其中位数的过程，重复 5000 次。 这是很多抽样和重复！ 但在许多情况下（包括这个），所有可能的样本数量足以超过计算机的容量，概率的纯粹数学计算可能有些困难。 这是经验直方图的作用。 这意味着反复模拟随机过程是一种近似概率分布的方法，不需要在数学上计算概率，或者生成所有可能的随机样本。因此，计算机模拟成为数据科学中的一个强大工具。 如果你有一台计算机，经验分布更容易计算。 因此，当数据科学家试图理解统计的性质时，通常使用经验分布而不是精确的概率分布。 参数的不同估计 这里举一个例子来说明这一点。
96710编辑于 2022-12-01 - 来自专栏iOS逆向与安全
计算机思维: 计算机的数据结构
在计算机科学中，数据的相对大小比绝对的数值重要，出于很多数据比大小的需求以及其他一些需求，就产生了一个抽象的数据结构——二叉树。 I 计算机的数据结构 数据结构+ 算法 = 程序 理解搭建计算机软件的模块——数据结构和算法。 把数据结构理解为盖房子的钢筋、门窗和大梁。 把算法理解成盖房子的结构原理。 计算机中线性表的实现方法 数组：一组编了号的固定大小的单元 。 数组的好处：给定一个序号，可以直接找出里面的内容。 在计算机中，它通常是通过数组实现的。相比一般的数组，它有三个优点： 动态增加或者删除一个数据项比较快。 数组只能根据下标直接查找，下标和数据内容无关，如果要根据内容查找，效率就比较低，哈希表的下标是根据数据内容计算出来的，因此根据内容查找比较快。
33620编辑于 2023-09-11 - 来自专栏云深之无迹
读书笔记（计算思维与Python编程）
使用函数可以帮助你更好地构建代码，并在需要多次执行相同任务或计算时避免代码重复。 我喜欢构建这个词，摘录了。 ●好的算法是抽象的：它不依赖于特定的编程语言或计算机系统。加入分层和原子化的思想。
55610发布于 2021-03-12 - 来自专栏信数据得永生
计算与推断思维 十四、回归的推断
一如既往，推断思维起始于仔细检查数据的假设。一组假设被称为模型。大致线性的散点图中的一组随机性的假设称为回归模型。 在每个复制品中，该函数自举原始散点图并计算所得回归线的斜率。 然后绘制所有生成的斜率的直方图，并打印由斜率的“中间 95%”组成的区间。 计算表明，真实斜率的约 95% 的自举置信区间左端为负，右端为正 - 换句话说，区间包含 0。 函数fitted_value计算这个高度。像函数的相关性，斜率和截距一样，它的参数是表的名称和x和y的列标签。但是它也需要第四个参数，即x的值，在这个值上进行估算。 如果模型不成立，那么假设模型为真的计算是无效的。 因此，在开始基于模型进行预测，或者对模型参数进行假设检验之前，我们首先要确定回归模型是否适用于我们的数据。
1.4K10编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 八、随机性
相反，你必须使用5 == 10/2，其计算结果为True。 如果if表达式的计算结果为False，则跳过if的主体。 让我们开始定义一个返回数字符号的函数。 数学是准确发现概率的主要工具，尽管计算机也可用于此目的。模拟可以提供出色的近似，具有很高的概率。在本节中，我们将以非正式方式制定一些简单的规则来管理概率的计算。 这个自然的计算可以这样秒速： 所有结果等可能的时候 如果你投掷一个普通的骰子，一个自然的假设是，所有六个面都是等可能的。 那么一个面出现的概率可以很容易地计算出来。 根据上面的计算，GR 和 RG 每个的几率都是 1/6。所以你可以通过把它们相加来计算一绿一红的概率。
1K30编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 四、数据类型
字符串 世界上大部分的数据都是文本，计算机中表示的文本被称为字符串。 字符串可以代表一个单词，一个句子，甚至是图书馆中每本书的内容。 通过将值分组在一起，我们可以编写代码，一次执行许多数据计算。 在几个值上调用make_array函数，将它们放到一个数组中，这是一种顺序集合。 例如，sum函数计算集合中所有值的和，len函数计算其长度。 （这是我们放入的值的数量。）一起使用它们，我们可以计算一个集合的平均值。 以下示例中的每对括号都是调用表达式的一部分；它调用一个无参函数来对数组highs进行计算。 让我们计算莱布尼茨的无穷和的前 5000 个项，看它是否接近 π。
83310编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 十、假设检验
为了测量两个分布之间的差异，我们将计算一个数量，称之为它们之间的总变异距离（total variation distance）。 为了计算总变异距离，我们首先考虑每个类别中两个比例之间的差异。 下面的代码根据抽样过程的大量重复，来计算统计量的经验分布。 为了回答这个问题，我们可以模拟从随机样本中计算的 TVD。 计算检验统计量的观察值通常是统计检验中的第一个计算步骤。 在我们的例子中，陪审团与总体之间的总变异距离的观察值是 0.14。 这个步骤包括在随机性的原假设下，计算出所有可能的检验统计量及其所有概率。 换句话说，在这个步骤中，我们假设原假设为真，并计算检验统计量的概率分布。
81910编辑于 2022-12-01 - 来自专栏信数据得永生
计算与推断思维 二、因果和实验
为了将你的思维带回正确的时间，试着想象一下 19 世纪 50 年代的伦敦。这是世界上最富裕的城市，但其中许多人却极度贫困。 它使我们能够以数学方式，计算随机化产生实验和对照组的可能性。 它使我们能够对实验组和对照组之间的差异作出精确的数学表述。这反过来帮助我们对实验是否有效作出正确的结论。
55910编辑于 2022-12-01 - 来自专栏老马说编程
计算机程序的思维逻辑 (1)
程序大概是怎么回事 计算机就是个机器，这个机器主要由CPU、内存、硬盘和输入输出设备组成。计算机上跑着操作系统，如Windows或Linux，操作系统上运行着各种应用程序，如Word, QQ等。 但本质上，计算机只会执行预先写好的指令而已，这些指令也只是操作数据或者设备。所谓程序，基本上就是告诉计算机要操作的数据和执行的指令序列， 即对什么数据做什么操作。 数据在计算机内部都是二进制，不方便操作，为了方便操作数据，高级语言引入了"数据类型"和"变量"的概念。 之所以说应该是因为这不是必须的，如果你非要起一个变量名叫age但赋予它身高的值，计算机也拿你没办法。 重要的话再说一遍！变量就是给数据起名字，方便找不同的数据，它的值可以变，但含义不应变。 通过声明变量，每个变量赋予一个数据类型和一个有意义的名字，我们就告诉了计算机我们要操作的数据。 有了数据，怎么对数据进行操作呢？
826100发布于 2018-01-31 - 来自专栏信数据得永生
计算与推断思维 六、可视化
组合分类数据 为了构造icecream表，有人不得不查看 30 个冰淇淋盒子，并计算每种口味的数量。 但是，如果我们的数据还没有包含频率，我们必须在绘制条形图之前计算频率。 我们先来看看如何计算垂直轴上的数字。 如果计算看起来有些奇怪，请耐心等待 - 本节的其余部分将解释原因。 计算。每个条形的高度是桶中的元素的百分比，除以桶的宽度。 如果我们只查看表格的第一行，计算就会变得清晰。 请记住，数据集中有 200 部电影。这个[300,400)的桶包含 81 部电影。 直方图：通用原则和计算 上图显示，眼睛将面积视为“较大”的东西，而不是高度。当桶的宽度不同时，这种观察变得尤为重要。 属性（2）是绘制直方图的关键，通常实现如下： 条形的面积 = 桶中条目的百分比 高度的计算仅仅使用了一个事实，条形是长方形的。
3.3K20编辑于 2022-12-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号