R语言高级图像处理

已于 2024-07-28 23:15:01 修改
阅读量1.1w 收藏 41
点赞数 8
分类专栏： 数据分析 小波滤波器 文章标签： R  高级图像处理
于 2019-06-13 08:54:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_19600291/article/details/88554164
版权

全文：R语言高级图像处理 | 拓端数据科技 / Welcome to tecdat

ImageMagick库具有大量功能。本文简要介绍了最重要的入门概念。

安装 magick

在的Windows或OS-X上，通过CRAN最容易安装软件包。

install.packages("magick")

二进制CRAN包开箱即用。

library(magick)
## Linking to ImageMagick 6.9.9.39
## Enabled features: cairo, fontconfig, freetype, lcms, pango, rsvg, webp
## Disabled features: fftw, ghostscript, x11
str(magick::magick_config())
## List of 21
##  $ version           :Class 'numeric_version'  hidden list of 1
##   ..$ : int [1:4] 6 9 9 39
##  $ modules           : logi FALSE
##  $ cairo             : logi TRUE
##  $ fontconfig        : logi TRUE
##  $ freetype          : logi TRUE
##  $ fftw              : logi FALSE
##  $ ghostscript       : logi FALSE
##  $ jpeg              : logi TRUE
##  $ lcms              : logi TRUE
##  $ libopenjp2        : logi TRUE
##  $ lzma              : logi TRUE
##  $ pangocairo        : logi TRUE
##  $ pango             : logi TRUE
##  $ png               : logi TRUE
##  $ rsvg              : logi TRUE
##  $ tiff              : logi TRUE
##  $ webp              : logi TRUE
##  $ wmf               : logi FALSE
##  $ x11               : logi FALSE
##  $ xml               : logi TRUE
##  $ zero-configuration: logi TRUE

从源构建

sudo apt-get install libmagick++-dev
sudo yum install ImageMagick-c++-devel

要在OS-X上从源代码安装，您需要imagemagick@6自制软件。

brew reinstall imagemagick@6 --with-fontconfig --with-librsvg
brew link --force imagemagick@6

自制软件中的默认imagemagick配置会禁用一系列功能。

图像IO

读和写

可以使用带有图像数据的文件路径，URL或原始向量直接读取图像image_read。该image_info函数显示了一些关于图像的元型态数据，类似于ImageMagick的  identify命令行实用程序。


print(tiger)
##   format width height colorspace matte filesize density
## 1    PNG   400    400       sRGB  TRUE        0   72x72

使用我们image_write以任何格式将图像导出到磁盘上的文件或内存中。

image_write(tiger, path = "tiger.png", format = "png")

转换格式

Magick以原始格式将图像保存在内存中。要指定为转换格式其他的format参数image_write。在应用转换之前，您还可以在内部将图像转换为其他格式。如果您的原始格式有损，这可能很有用。

tiger_png <- image_convert(tiger, "png")
image_info(tiger_png)
##   format width height colorspace matte filesize density
## 1    PNG   400    400       sRGB  TRUE        0   72x72

在Linux的上，您使用image_display在X11窗口中预览图像。

# X11 
image_display(tiger)

# 依赖系统
image_browse(tiger)

另一种方法是将图像转换为光栅对象并将其绘制在R的图形显示上。

转换

下面举几个例子来了解。

剪切和编辑

转换一些函数采用一个geometry参数，该参数需要表单的特殊语法，AxB+C+D。其中每个元素都是可选的一些例子：

  • image_crop(image, "100x150+50")：裁剪width:100px并从左侧height:150px开始+50px
  • image_scale(image, "200")：按比例调整宽度：200px
  • image_scale(image, "x200")：按比例调整高度：200px
  • image_fill(image, "blue", "+100+200")：从蓝点开始填充x:100, y:200
  • image_border(frink, "red", "20x10")：添加左侧+右侧20像素和顶部+底部10px的的边框
print(frink)
##   format width height colorspace matte filesize density
## 1    PNG   220    445       sRGB  TRUE    73494   72x72

image_border(image_background(frink, "hotpink"), "#000080", "20x10")


image_trim(frink)


image_crop(frink, "100x150+50")


image_scale(frink, "300") # width: 300px


image_scale(frink, "x300") # height: 300px

image_fill我们可以填补像素point。fuzz参数允许填充具有相似颜色的像素。它的值必须在0到256 ^ 2之间。

过滤器和效果

image_noise(frink)

内核卷积

image_convolve()函数在图像上应用内核卷积意味着使用内核矩阵中定义的加权邻域来重新计算每个像素值例如：

kern <- matrix(0, ncol = 3, nrow = 3)
kern[1, 2] <- 0.25
kern[2, c(1, 3)] <- 0.25
kern[3, 2] <- 0.25
kern
##      [,1] [,2] [,3]
## [1,] 0.00 0.25 0.00
## [2,] 0.25 0.00 0.25
## [3,] 0.00 0.25 0.00

此内核将每个像素更改为其水平和垂直相邻像素的平均值，这会在下面的右侧图像中产生轻微的模糊效果：

img <- image_resize(logo, "300x300")
img_blurred <- image_convolve(img, kern)
image_append(c(img, img_blurred))

使用标准内核

文本注释

最后，在图像上输出一些文本会很有用：

image_annotate(frink, "I like R!", size = 70, gravity = "southwest", color = "green")


image_annotate(frink, "The quick brown fox", font = 'Times', size = 30)

支持的大多数平台上的字体包括"sans"，"mono"，"serif"，"Times"，"Helvetica"，"Trebuchet"，"Georgia"，"Palatino"或"Comic Sans"。

结合管道

图像每个函数变换不会影响原始图像。

##   format width height colorspace matte filesize density
## 1    PNG   220    445       sRGB  TRUE    73494   72x72
##   format width height colorspace matte filesize density
## 1    PNG   100    202       sRGB  TRUE        0   72x72

组合转换：

##   format width height colorspace matte filesize density
## 1    PNG   465    240       sRGB  TRUE        0   72x72

使用magrittr管道语法使其更具可读性

图像矢量

以上示例涉及单个图像。然而，magick中的所有函数都已经过矢量化，以支持使用图层，合成或动画。

 image_scale("200x") %>%
  image_quantize(128)

length(earth)
## [1] 44

##   format width height colorspace matte filesize density
## 1    GIF   200    200        RGB FALSE        0   72x72
## 2    GIF   200    200        RGB FALSE        0   72x72
## 3    GIF   200    200        RGB FALSE        0   72x72
## 4    GIF   200    200        RGB FALSE        0   72x72
## 5    GIF   200    200        RGB FALSE        0   72x72
## 6    GIF   200    200        RGB FALSE        0   72x72

图层

我们可以像在Photoshop中中一样将图层堆叠在一起：

##   format width height colorspace matte filesize density
## 1   JPEG   300    225       sRGB FALSE        0   72x72
## 2    PNG   300    232       sRGB  TRUE        0   72x72
## 3    PNG   148    300       sRGB  TRUE        0   72x72

结合

附加简单地将框架彼此相邻：

用于stack = TRUE将它们放在彼此的顶部：

网页

在阅读PDF文档时，每个页面都成为向量的元素。

##    format width height colorspace matte filesize density
## 1     PNG   612    792       sRGB  TRUE        0   72x72
## 2     PNG   612    792       sRGB  TRUE        0   72x72
## 3     PNG   612    792       sRGB  TRUE        0   72x72
## 4     PNG   612    792       sRGB  TRUE        0   72x72
## 5     PNG   612    792       sRGB  TRUE        0   72x72
## 6     PNG   612    792       sRGB  TRUE        0   72x72
## 7     PNG   612    792       sRGB  TRUE        0   72x72
## 8     PNG   612    792       sRGB  TRUE        0   72x72
## 9     PNG   612    792       sRGB  TRUE        0   72x72
## 10    PNG   612    792       sRGB  TRUE        0   72x72
## 11    PNG   612    792       sRGB  TRUE        0   72x72
## 12    PNG   612    792       sRGB  TRUE        0   72x72
## 13    PNG   612    792       sRGB  TRUE        0   72x72
## 14    PNG   612    792       sRGB  TRUE        0   72x72
## 15    PNG   612    792       sRGB  TRUE        0   72x72
## 16    PNG   612    792       sRGB  TRUE        0   72x72
## 17    PNG   612    792       sRGB  TRUE        0   72x72
## 18    PNG   612    792       sRGB  TRUE        0   72x72
## 19    PNG   612    792       sRGB  TRUE        0   72x72
## 20    PNG   612    792       sRGB  TRUE        0   72x72
## 21    PNG   612    792       sRGB  TRUE        0   72x72
## 22    PNG   612    792       sRGB  TRUE        0   72x72
## 23    PNG   612    792       sRGB  TRUE        0   72x72
## 24    PNG   612    792       sRGB  TRUE        0   72x72
## 25    PNG   612    792       sRGB  TRUE        0   72x72
## 26    PNG   612    792       sRGB  TRUE        0   72x72
## 27    PNG   612    792       sRGB  TRUE        0   72x72
## 28    PNG   612    792       sRGB  TRUE        0   72x72
## 29    PNG   612    792       sRGB  TRUE        0   72x72

动画

我们也可以在动画中制作帧，而不是将矢量元素视为图层。

创建³³变形一系列n图像，逐渐将一个图像变换为另一个图像。

如果您读入现有的GIF或视频文件，则每个帧都会成为一个图层：

##   format width height colorspace matte filesize density
## 1    GIF   150    148       sRGB  TRUE        0   72x72
## 2    GIF   150    148       sRGB  TRUE        0   72x72
## 3    GIF   150    148       sRGB  TRUE        0   72x72
## 4    GIF   150    148       sRGB  TRUE        0   72x72
## 5    GIF   150    148       sRGB  TRUE        0   72x72
## 6    GIF   150    148       sRGB  TRUE        0   72x72
## 7    GIF   150    148       sRGB  TRUE        0   72x72
## 8    GIF   150    148       sRGB  TRUE        0   72x72

操纵各个帧并将它们放回动画中：

##   format width height colorspace matte filesize density
## 1    gif   200    155       sRGB  TRUE        0   72x72
## 2    gif   200    155       sRGB  TRUE        0   72x72
## 3    gif   200    155       sRGB  TRUE        0   72x72
## 4    gif   200    155       sRGB  TRUE        0   72x72
## 5    gif   200    155       sRGB  TRUE        0   72x72
## 6    gif   200    155       sRGB  TRUE        0   72x72
## 7    gif   200    155       sRGB  TRUE        0   72x72
## 8    gif   200    155       sRGB  TRUE        0   72x72

动画可以保存为MPEG文件的GIF：

绘图和图形

该软件包的它产生一个magick图像对象。

图形设备

该image_graph()功能打开一个类似于png()或新的图形设备x11()。它返回将要写入绘图的图像对象。

我们可以使用常规图像操作轻松地对图形进行后处理。

##   format width height colorspace matte filesize density
## 1    PNG   400    400       sRGB  TRUE        0   72x72

绘图设备

使用图形设备的另一种方式是使用像素坐标在现有图像上绘制。

##   format width height colorspace matte filesize density
## 1    PNG   220    445       sRGB  TRUE        0   72x72

默认情况下，image_draw()将所有边距设置为0，并使用图形坐标匹配图像大小（以像素为单位）（宽度X高度），其中（0,0）是左上角。

动画图形

图形设备支持多个帧，可以轻松创建动画图形。下面的代码显示了如何使用magick图形设备从gganimate包中实现该示例。

##    format width height colorspace matte filesize density
## 1     gif   600    340       sRGB  TRUE        0   72x72
## 2     gif   600    340       sRGB  TRUE        0   72x72
## 3     gif   600    340       sRGB  TRUE        0   72x72
## 4     gif   600    340       sRGB  TRUE        0   72x72
## 5     gif   600    340       sRGB  TRUE        0   72x72
## 6     gif   600    340       sRGB  TRUE        0   72x72
## 7     gif   600    340       sRGB  TRUE        0   72x72
## 8     gif   600    340       sRGB  TRUE        0   72x72
## 9     gif   600    340       sRGB  TRUE        0   72x72
## 10    gif   600    340       sRGB  TRUE        0   72x72
## 11    gif   600    340       sRGB  TRUE        0   72x72
## 12    gif   600    340       sRGB  TRUE        0   72x72

要将其写入文件，您只需执行以下操作：

OCR文本提取

该软件包的最新成员是使用OCR从图像中提取文本：

##   format width height colorspace matte filesize density
## 1    PNG   640    480       sRGB  TRUE    23359   72x72

非常感谢您阅读本文，有任何问题请在下面留言！

拓端研究室
关注
  • 8
    点赞
  • 踩
  • 41
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
博客
【专题】2024年8月医药行业报告合集汇总PDF分享（附原数据表）
09-06 639
在科技飞速发展的当今时代，医药行业作为关乎人类生命健康的重要领域，正处于前所未有的变革浪潮之中。数智医疗服务的崛起，为医疗模式带来了全新的转变，开启了医疗服务的新时代。人工智能的潜能不断释放，为医药创新注入了强大的动力，有望重塑医药行业的发展格局。，获取专题报告合集全文，解锁269份医药相关行业研究报告。同时，国家政策的导向对生命科学产业的发展起着至关重要的引领作用，产业园的建设也为医药行业的蓬勃发展提供了坚实的基础。
博客
Python贝叶斯卷积神经网络BCNN分类胸部X光图像数据集实例
09-05 541
分析师：Yuanchun Niu在人工智能的诸多领域中，分类技术扮演着核心角色，其应用广泛而深远。无论是在金融风险评估、医疗诊断、安全监控还是日常的交互式服务中，有效的分类算法都是实现智能决策的关键。随着大数据时代的到来，分类算法面临着前所未有的挑战和机遇。一方面，海量的数据为算法提供了丰富的学习材料；另一方面，如何从这些数据中提取有价值的信息，构建准确、可靠的分类模型，成为了研究的热点。本文旨在探讨分类技术在不同领域的应用，并深入分析其理论基础与实现方法。
博客
【专题】2024年8月中国企业跨境、出海、国际化、全球化行业报告汇总PDF合集分享（附原数据表）
09-04 1928
原文链接：在全球化浪潮汹涌澎湃的当下，中国企业积极探索海外市场，开启了出海跨境的新征程。本报告合集旨在全面梳理出海跨境全球化行业的发展态势，涵盖多个领域的深度洞察。从游戏、快消品、医疗器械、创新药械等行业的出海探索，到东南亚电商这一特定区域市场的聚焦；从跨境旅游消费趋势的研究，到对中国企业全球化的综合剖析；从新兴的商用服务机器人领域探索，再到体验赋能企业出海的创新方向。通过整合与分析，为行业从业者、研究者及决策者提供有价值的参考，助力中国企业在全球舞台上绽放更加璀璨的光芒。，获取专题报告合集全文，解锁。
博客
Python复杂网络社区检测：并行谱聚类算法设计与多种算法应用实战研究
09-03 1275
原文链接：分析师：Leiyun Liao在当今的网络科学领域，复杂网络中的社区检测成为了一个至关重要的研究课题。随着信息技术的飞速发展，各种大规模网络不断涌现，如社交网络、生物网络等。准确地识别这些网络中的社区结构，对于理解网络的功能、行为以及潜在的规律具有重大意义。网络社团划分算法作为复杂网络研究的关键内容，一直备受关注。近年来，基于代数图论发展起来的谱聚类算法凭借其利用特征值对应的谱结构来保证划分质量的优势，成为了新的研究热点。
博客
【专题】2024年中国游戏出海洞察报告合集PDF分享（附原数据表）
09-03 1066
2023 年全球游戏市场规模高达 6205.2 亿美元，且预计未来持续增长，这清晰地展示了该市场的巨大潜力和良好前景。中国游戏在全球移动游戏市场的份额于 2023 年已达 37%，产业贡献超 30% 的市场收入，这反映出中国游戏在全球市场中的地位日益重要，竞争力不断增强。，获取专题报告合集全文，解锁135份游戏相关行业研究报告。中国移动游戏市场实际销售收入占比在 2023 年达到 37.4%，此数据有力地表明国产游戏出海有着广阔的增长空间。
博客
Python用CNN+LSTM+Attention对新闻文本分类、锂离子电池健康、寿命数据预测
09-02 997
该模型首先使用卷积神经网络（CNN）进行特征提取和数据降维。这些特征作为双向长短期记忆网络（BiLSTM）的输入。BiLSTM 用于双向学习输入时间序列局部特征中的时间相关性信息。注意力机制通过为重要特征分配权重，更加关注对输出结果影响最大的输入关键特征，并进行电池 SOH 的多步预测。总体而言，卷积层提取时间序列数据的内在特征，BiLSTM 可以基于提取的特征预测电池容量，而注意力机制为这些特征分配权重。混合神经网络模型的结构示意图如下图 [2] 所示。
博客
【专题】2024全球电商消费电子市场研究报告合集PDF分享（附原数据表）
09-01 1222
在如今数字经济蓬勃发展的大环境下，电商行业正以前所未有的迅猛之势，对全球商业版图进行着深刻的重塑。据 Stocklytics 发布的有关全球电商市场价值及未来增长趋势的专项调查报告显示，2024 年电商市场价值预估将高达 4.11 万亿美元，与 2023 年相比，实现了 15%的显著涨幅。，获取专题报告合集全文，解锁190份电商相关行业研究报告。巧合的是，Statista 的数据也与之基本吻合，其同样指出预计在 2024 年，电子商务市场的收入将会达到 4.117 万亿美元。
博客
Python深度学习股价预测、量化交易策略：LSTM、GRU深度门控循环神经网络|附代码数据
08-29 1264
为了构建深度长短期记忆（LSTM）模型，定义了一系列超参数。数据的维度。
博客
【专题】中国游戏产业AIGC发展前景报告合集PDF分享（附原数据表）
08-29 1131
近八成头部游戏企业在人工智能、数字孪生、引擎开发、云技术和XR等技术领域布局;有近六成头部游戏企业已构建AI生产管线、赋能虚拟内容生产或智能营销;此外，国内TOP50游戏厂商投资AI企业已超百次。，获取专题报告合集全文，解锁135份游戏AIGC相关行业研究报告。
博客
【视频讲解】数据挖掘实战：Python金融贷款模型分类潜在贷款客户
08-28 923
分析师：Hengtao Fan模型的存在依托于这样一个事实：基于概率的决策乃是最优之选。将概率转化为评分，能够便于对齐风险。而评分则是通过统计的方法来识别潜在客户，进而判断客户是否合乎心意。这里的 “合意” 由我们预先定义，可以涵盖诸如风险、收益率、响应率、续借意愿、违约后的偿还意愿等等诸多方面。实际上，在业务的一系列环节中均可采用模型方案。当我们谈及风控中有哪些模型可做时，也就相当于在变相探讨业务上有哪些环节能够进行精细化决策。在金融信贷领域，授信、定价等产品信息会直接左右客户是否选择用信。
博客
【专题】2024年中国AI人工智能基础数据服务研究报告合集PDF分享（附原数据表）
08-28 1136
随着人工智能技术的迅猛发展，AI 基础数据服务行业迎来了前所未有的发展机遇。报告合集显示，2023 年中国 AI 基础数据服务市场规模达到 45 亿元，且未来五年复合增长率有望达到 30.4%。多模态大模型、长文本处理能力提升以及大模型小型化技术成为 AI 领域热点研究方向，从而推动了对高质量数据的大量需求。，获取专题报告合集全文，解锁403份AI数据相关行业研究报告。然而，尽管市场需求旺盛，该行业却也面临着数据标注工程师门槛提升、项目管理复杂性增加、信息安全问题等诸多挑战。
博客
SMOTEBoost、RB-Boost 和RUS-Boost不平衡数据集的集成分类器分析酵母数据集、治疗乳腺癌候选药物筛选|附数据代码
08-27 976
分析师：Zilin Wu在当今的大数据时代，科研和实际应用中常常面临着海量数据的处理挑战。在本项目中，我们拥有上万条数据，这既是宝贵的资源，也带来了诸多难题。一方面，我们渴望从这庞大的数据海洋中提取出有价值的信息，以推动科学研究和实际应用的发展；另一方面，数据量的庞大容易引发“维数灾难”现象，即随着数据维度的增加，计算复杂度呈指数增长，使得数据分析和处理变得极为困难。本研究聚焦于如何在这上万条数据中找到平衡，既提取有价值的数据，又避免“维数灾难”。
博客
R语言股价跳跃点识别：隐马尔可夫hmm和 GARCH-Jump对sp500金融时间序列分析
08-26 924
分析师：Yue Ji在突发事件发生后，股价会相应的发生较大幅度的上涨或下跌，称为跳跃现象，跳跃现象会给金融投资带来极大风险，因而对跳跃点的识别对于风控而言是很重要的。股价跳跃体现信息冲击，Fama（1991）指出短期股价大幅变化由意外信息引起。近年来学者以股价跳跃为信息冲击代理变量研究投资者反应，如 Jiang and Zhu（2017）研究美股投资者发现短期对股价跳跃反应不足。
博客
主成分PCA原理与水果成熟状态数据分析实例：Python中PCA-LDA 与卷积神经网络CNN
08-22 759
全文链接：https://tecdat.cn/?p=37450 原文出处：拓端数据部落公众号主成分分析（PCA）作为数据科学中用于可视化和降维的重要工具，在处理具有大量特征的数据集时非常有用。就像我们难以找到时间阅读一本 1000 页的书，而更倾向于 2 到 3 页的总结以抓住整体概貌一样，当数据集中特征过多时，PCA 可以帮助我们减少维度，提高模型训练效率，同时尽可能保留更多信息。例如在图像处理和基因组研究等常见应用中，往往需要处理成千上万甚至数万个列的数据，此时维度灾难可能成为问题，而 PCA 则能发挥
博客
Python个人收入影响因素模型构建：回归、决策树、梯度提升、岭回归
08-21 895
为不同的回归模型定义超参数分布字典，例如 “LinearRegression”（线性回归）和 “DecisionTreeRegressor”（决策树回归器），设置不同的超参数取值范围，如线性回归的截距设置以及决策树回归器的最大深度、最小分割样本数和最小叶子样本数等。},},尽管命运或许在某种程度上被决定了，但我们仍然可以通过自己的努力和持续学习来改变自己的命运。在大数据的助力下，我们有望更加精准地预测和解释个人收入的差异，为每个人创造更加公平和美好的未来。
博客
Python、R用RFM模型、机器学习对在线教育用户行为可视化分析|附数据、代码
08-20 876
建立模型随着互联网的不断发展，各领域公司都在拓展互联网获客渠道，为新型互联网产品吸引新鲜活跃用户，刺激用户提高购买力，从而进一步促进企业提升综合实力和品牌影响力。然而，为了更好地了解产品的主要受众群、识别并保留优质用户，企业仍需要对用户群体进行消费行为分析，判别用户的价值，从而优化营销策略。为达此目的，便需要对用户的行为数据进行分析，预测不同用户的潜在消费倾向，并针对不同用户实施个性化营销策略，以实现小成本促销、提高用户转化率的目标。
博客
R语言VAR模型的多行业关联与溢出效应可视化分析
08-19 1024
本文对医疗卫生、通信、金融、房地产和零售等行业的数据展开深入研究。通过读取数据、计算收益率、构建 VAR 模型并进行估计，进一步分析各行业变量的影响及残差的协方差与相关矩阵。同时，计算传统溢出效应并进行动态变化分析，以揭示这些行业之间的相互关系和动态影响。
博客
【视频讲解】Python用LSTM长短期记忆网络GARCH对SPX指数金融时间序列波动率滚动预测
08-15 720
本文融合了多种技术，其中 LSTM（长短期记忆网络）和 GARCH（广义自回归条件异方差）模型尤为关键。LSTM 在处理时间序列数据方面独具优势，能够捕捉长期依赖关系，为金融预测提供强大支持。GARCH 模型则能有效捕捉金融时间序列中的波动聚类现象，提升预测准确性。通过对这套代码的详细解读和分析，包括对 LSTM 和 GARCH 等关键模型的深入探讨，我们期望为金融研究和实践注入新活力，开辟新思路。
博客
【视频讲解】滚动回归Rolling Regression、ARIMAX时间序列预测Python、R实现应用
08-13 701
原文链接：https://tecdat.cn/?p=37338原文出处：拓端数据部落公众号分析师：Jixin Zhong本文将通过视频讲解，展示如何用滚动回归预测，并结合一个R语言多元时间序列滚动预测：ARIMA、回归、ARIMAX模型分析实例的代码数据，为读者提供一套完整的实践数据分析流程。滚动回归估计是于一个大规模样本范畴内，以滚动的形式接连选取一系列的小规模样本，并运用与大规模样本相同的方式对小规模样本的参数予以估计。样本固定的长度被称为“window”，每次递增的步长则
博客
BC变换的EWMA控制图对顺丰控股股票的分析研究
08-13 612
量化投资可以带来不菲的回报，但缺乏丰富的知识却难以实现。统计质量管理的思想通俗易懂，且对于市场相对稳定的股市有监控作用。结合历史股票数据和统计质量管理的思想，对数据作合适的处理并设计合理的控制图是十分关键的。本文将通过展示如何用基于BC变换的EWMA控制图对顺丰控股股票分析，并结合一个Python神经网络、Lasso回归、线性回归、随机森林、ARIMA股票价格时间序列实例的，为读者提供一套完整的实践数据分析流程。解决方案任务目标根据历史股票数据，设计控制图并运用控制图监控股票价格变换并给投资建议。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值