- 博客(3)
- 收藏
- 关注
原创 零基础实现高斯回归算法预测天气系统
异常值会对线性回归方程的结果产生负面影响。此外,线性回归方程也受到多重共线性的影响,这意味着它可能无法准确地拟合数据。那么我们会不然而然的想到使用不含参数模型的方法,主要有svm,高斯回归思想,神经网络。这里我们主要讨论高斯回归思想来拟合函数,然后预测天气。
2024-07-31 09:00:33 595 2
原创 基于高斯回归思想的天气预测预测系统
但对于有些事件,比如说天气预测,天气受到多种因素影响,以天气结果作为因变量,其自变量包含多种影响因素(气温,风速,湿度),所以其数学建模是比较不好建立的,就算建立出来了,其不确定性也比较大(因为受到多种不确定因素影响)。基于高斯回归思想(原来的函数模型不好推算出数据,就换成基于已有的数据,来对下一个数据进行推算)的天气预报系统:根据已有的天气数据,这些数据符合高斯分布,是一种联合正太分布,会有其期望和协方差。有这些数据就可以得出天气的预测,不用建立数学模型,以及仿真,而是直接根据原有数据进行下一次推测。
2024-07-26 15:53:56 298 1
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