问题标签 [interpretation]

在这篇文章中使用了一个我不明白的方程：

• 我 = (e + B) * L + m * L

I是解释为整数的浮点数的字节表示。这是一个例子：

• e是浮点数的指数。
• B是偏差 (127)。
• L是一个常数 (1 << 23)。
• m是尾数。

现在我的问题是：

为什么这个方程是正确的，我在哪里可以阅读更多关于这个方程的信息？

If, for instance, I type help(bagof). into the Prolog REPL, a window pops up with some documentation, the first line of which reads bagof(+Template, :Goal, -Bag).

1. Are the arguments Template, Goal and Bag just names, or are they formal types that can be systematically researched? (In the first case I would have to rely on the documentation of bagof to make sense of them; in the latter case I would be able to refer to some other document.)

2. Where can I find documentation for those bits of punctuation preceding the arguments? (In this case the punctuation includes the symbols +, : and -, but I've seen others.)

当我在 excel 中添加趋势线时，我已经多次得到这个负 R²，如下图所示。

我在乎这个负号吗？

这是数据：

我有一个关于 R 中使用 interplot 函数创建的图的解释的问题。目的是找出参与对个人是否迁移的影响以及个人的财富 ( HH_type) 如何改变这种影响。

participation是一个连续变量，HH_type穷人取值为 1，中等人取值为 2，富人取值为 3。

我估计了这个模型：

我得到了消极而重要的互动。

为了创建一个绘图，我使用了以下interplot函数：

我得到了这个情节：

现在，我不确定如何解释这个情节。是不是说，如果穷人有很高的参与机会，他们更有可能迁移？对于中等财富的人来说，参与对他们是否迁移没有影响，如果他们有很高的参与机会，富人迁移的可能性较小？

输出都是相同的。这里 a 是一个整数，因此 65 存储在 32 位中，d 是一个 char 存储在 8 位中，它们如何与计算机相同，所有操作都转换为二进制。

我正在尝试使用新的 Recurse 包（2018）分析重访模式。R 包“递归”计算一个或多个人对运动轨迹中位置或其他位置的重新访问。该软件包还计算停留时间和访问之间的时间等指标。它可用于定量识别经常使用的地点（例如巢穴、巢穴、觅食地点），以检查重新访问的模式。围绕轨迹中的每个点绘制一个半径为 R 的圆。重访次数计算为通过该圆的轨迹段数。

一切正常，但我无法理解输出。我在下面放置了我的输入（数据框）和输出的示例。我想了解 visitIdx 是他们进入特定点的次数。我的输入日期是 2018 年，但由于我不明白的原因，我得到了 1970 年左右的输出时间。有人知道我做错了什么吗？最后，我看不到统一 timeSinceLastVisit 给出的时间。

有人可以帮助我吗？

非常感谢您提前。

https://cran.r-project.org/web/packages/recurse/recurse.pdf

我的简单代码

我的输入（数据框）的负责人：

输出主管：

我正在尝试调查一些谷歌趋势数据和股票价格之间的关系。

我执行了增强的 ADF 测试和 KPSS 测试，以确保两个时间序列以相同的顺序集成 ( I(1))。

但是，在我进行第一个差异之后，ACF 图完全微不足道（当然除了 1），这告诉我差异序列的行为就像白噪声。

尽管如此，我还是尝试估计一个您可以看到附加的 VAR 模型。

如您所见，只有一个常数是重要的。我已经读过，因为Stocks.ts.l1在 GoogleTrends 等式中GoogleTrends.ts.l1不重要，在 Stocks 等式中不重要，所以两个时间序列之间没有动态，并且两者也可以是具有模型的彼此独立的AR(p)模型。

我检查了模型的残差。它们满足假设（未完全给出正态分布的残差，但可以，存在同方差性，其稳定且没有自相关）。

但是，如果没有系数像Stocks.ts方程的情况那样显着，这意味着什么？模型是否不适合拟合数据，因为数据不遵循 AR 流程。还是模型太糟糕了，以至于常数会比模型更好地描述数据？还是前面几个问题的组合？有什么建议可以让我进行分析吗？

提前致谢

当我想到输入数据在计算机中的解释方式时，我感到很困扰。我搜索了很多，但找不到答案，所以作为最后的手段，我在这里问。我要说的是，您将 USB 插入计算机并开始数据流。您的计算机从 USB 接收 1 和 0 并正确解释它们，例如在 USB 内部有不同名称、不同格式和分辨率的图片。我不明白的是计算机如何正确地将它们组合在一起并出现大局。这可能被视为一个愚蠢的问题，但让我思考了一段时间。这个系统是如何工作的？

我不是计算机科学家，但我正在学习电气和电子工程并且知道一些事情。

我想使用 boost 从可能类似于以下内容的 JSON 字符串中读取数据：

我现在感兴趣的只是"plate"in "results"，即FRJ7248和T701486C。到目前为止，我有这个：

我明白了No such node (results.plate)。为什么，我在这里做错了什么？
我也尝试过.get_child("results")什么都不返回。

上图是训练和验证数据集的 H2O GBM 分类模型提升图。我把它与我看到的其他电梯图表混淆了。通常基线为 45 度，升力曲线与基线曲线相比呈凸形。上图中，如果绿线表示升力曲线，为什么它是恒定的并且下降并触及基线？还有为什么基线不是 45 度？谁能帮助我使用上图解释模型？我的模型表现好吗？