- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 MADlib——基于SQL的数据挖掘解决方案（20）——时间序列分析之ARIMA
一、时间序列分析简介1. 时间序列的定义 所谓时间序列就是按照一定的时间间隔排列的一组数据，其时间间隔可以是任意的时间单位，如小时、日、周、月等。这一组数据可以表示各种各样的含义，如经济领域中每年的产值、国民收入、商品在市场的销量、股票数据的变化情况等；社会领域中某一地区的人口数、医院患者人数、铁路客流量等，自然领域的太阳黑子数、月降水量、河流流量等，这些数据都形成了一个时间序列。人...
2018-02-11 15:36:26
3362
翻译 MADlib——基于SQL的数据挖掘解决方案（19）——回归之聚类方差
Clustered Variance模块调整聚类的标准误。例如，将一个数据集合复制100次，不应该增加参数估计的精度，但是在符合独立同分布假设（Independent Identically Distributed，IID）下执行这个过程实际上会提高精度。另一个例子是在教育经济学的研究中，有理由期望同一个班里孩子的误差项不是独立的。聚类标准误可以解决这个问题。 MA...
2018-02-08 13:45:39
1240
翻译 MADlib——基于SQL的数据挖掘解决方案（18）——回归之稳健方差
Robust Variance模块中的函数用于计算线性回归、逻辑回归、多类逻辑回归和Cox比例风险回归的稳健方差（Huber-White估计）。它们可用于计算具有潜在噪声异常值的数据集中数据的差异。此处实现的Huber-White与R模块“sandwich”中的“HC0”三明治操作完全相同。 线性、逻辑和多类逻辑回归的稳健方差接口是相似的。每种回归类型都有自己的训练函数。回归结果保存
2018-02-07 14:56:36
1415
原创 MADlib——基于SQL的数据挖掘解决方案（17）——回归之Cox比例风险回归
一、Cox比例风险回归简介 Cox比例风险回归模型（Cox’s proportional hazards regression model），简称Cox回归模型，由英国统计学家D.R.Cox于1972年提出，主要用于肿瘤和其它慢性病的预后分析，也可用于队列研究的病因探索。 1. 基本概念生存函数：又称累计生存率，简称生存率，常用S(t)表示。代表被观察对象的生存时间大于t时刻的概率
2018-02-06 11:39:18
4865
原创 MADlib——基于SQL的数据挖掘解决方案（16）——回归之弹性网络回归
一、弹性网络回归简介 要想理解弹性网络（Elastic Net）回归，正则化是必须要首先知道的，其次是岭回归和Lasso回归，知道了这些，弹性网络回归自然也就明白了。 1. 正则化 假设利用最小二乘法来做线性回归，最小二乘法回归成功的条件是： 即上面这个函数（损失函数）达到最小值，可得到最优的拟合参数θ。但是存在这样一种情况，如果我们用来拟合的自变量（特
2018-02-05 16:32:17
2561
原创 MADlib——基于SQL的数据挖掘解决方案（15）——回归之序数回归
上篇介绍的多类回归，因变量的多个分类是无序的，即所谓的定类数据。还有一种分类数据，其类别存在大小顺序，即定序数据。这两类逻辑回归的原理是不同的。本篇介绍MADlib的序数回归模型。 一、序数回归简介 在统计学中，序数回归（Ordinal Regression，也称为“序数分类”）是一种用于预测序数变量的回归分析，即其值存在于任意范围内的变量，其中只有不同值之间的相对排序是显着的。它可
2018-02-02 13:42:51
3578
原创 MADlib——基于SQL的数据挖掘解决方案（14）——回归之多类回归
一、多类回归简介1. 基本介绍 如上篇所述，逻辑回归比较常用的是因变量为二分类的情况，这也是比较简单的一种形式。但在现实中，因变量的分类有时候多于两类，如疗效可能是“无效”“显效”“痊愈”三类，当然可以把其中两类进行合并，然后仍然按照二分类逻辑回归进行分析，但是合并的弊端是显而易见的，它可能损失一定的信息。而多分类则充分利用了完整的信息，可能提供更多的结果。如果目标类别数超过两个，这
2018-02-01 14:15:21
962
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人