- 博客(8)
- 收藏
- 关注
RSS订阅转载 [R语言]稳健回归
原文来自：稳健回归INTRODUCTION我们以线性回归中的一些概念开始关于稳健回归的讨论。残差： 预测值（基于回归方程）与实际观察值之间的差。离群值： 在线性回归中，离群值是具有大量残差的观察值。换句话说，鉴于其对预测变量的价值，这是一个因变量不寻常的观察结果。离群值可能表示样本特性，或者可能表示数据输入错误或其他问题。杠杆： 对预测变量具有极高价值的观察点具有很高的杠杆作用。杠杆作用是对自变量偏离均值的程度的度量。高杠杆点可能会对回归系数的估计产生很大影响。影响： 如果删除观察结果会显着改变
2020-12-30 17:12:15
6997
原创 Coursera-R Programming week4编程作业
Task 2best <- function(state, outcome) { ## Read outcome data outdata <- read.csv("outcome-of-care-measures.csv", colClasses = "character") usefuloutcome <- outdata[, c(2, 7, 13, 19, 25)] ## Check that state and outcome are valid
2020-08-29 16:59:18
612
原创 Coursera-R Programming week2 编程作业
Part 1Write a function named ‘pollutantmean’ that calculates the mean of a pollutant (sulfate or nitrate) across a specified list of monitors. The function ‘pollutantmean’ takes three arguments: ‘directory’, ‘pollutant’, and ‘id’. Given a vector monitor I
2020-08-14 11:51:47
671
1
原创 [文献阅读]Robust parameter estimation with a small bias against heavy contamination
文章标题为《Robust parameter estimation with a small bias againstheavy contamination》（可以抗重污染数据的有小偏差的稳健参数估计），是日本统计数学研究所Hironori Fujisawa和 Shinto Eguchi于2008年发表在《Journal of Multivariate Analysis》的文章。该文章主要介绍了一种新的有小偏差的稳健参数估计的方法，该估计是基于γ\gammaγ交叉熵得出的，并且求得的估计具有较好的性质，
2020-07-13 21:56:08
269
原创 深度学习1——卷积神经网络CNN
什么是CNN？卷积层池化层全连接层非线性层，例如：ReLU其他层，例如：RNN为什么CNN是有意义的？动机（motivation）卷积利用了下面4个想法来机器学习系统：1.稀疏交互稀疏交互的概念：指卷积网络最后的全连接层与输入层之间的“间接连接”是非全连接的，多次卷积可以找出一种合理的连接，使输入图片分成各种“小区域”，这种小区域再成为全连接层的输入稀疏交互的实现：通过使用比输入更小的核（kernel）稀疏交互的作用：只需要存储更少的参数，在计算输出时，需要更少的运算 $O(
2020-05-27 11:09:14
749
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人