- 博客(6)
- 收藏
- 关注
原创 多元线性回归——探索相关关系/预测
通过研究X和Y的相关关系,尝试去解释Y的形 成机制,进而达到通过X去预测Y的目的。回归研究的是相关关系,是相关性,不是因果性!X是自变量,Y是因变量;X为解释变量,Y为被解释变量。
2024-07-24 10:23:42
490
原创 填补缺失数据:插值法、拟合法
介绍比较常见的插值法优缺点,但我们在建模中主要用到两类——埃尔米和样条,其他不用可略。高中学过的一元线性回归与插值法的区别:不用经过所有的点首先确定拟合曲线,然后求参利用最小二乘法求解参数评估拟合的好坏,可以直接用最小二乘法,算出误差SSE,或者用R方。
2024-07-14 21:55:03
295
原创 Topsis综合评价分析2021年C题第1问——python实现
2021年数学建模C题,解决其第一问根据附件 1,对 402 家供应商的供货特征进行量化分析,建立反映保障企业生产重要性的数学模型,在此基础上确定 50 家最重要的供应商,并在论文中列表给出结果。
2024-07-07 15:29:48
748
原创 皮尔森、斯皮尔曼,肯德尔相关系数及其python实现
协方差cov(X,Y)除以它们各自标准差的乘积(σX,σY)系数的取值总是在-1.0到1.0之间,接近0的变量被成为无相关性,接近1或者-1被称为具有强相关性。特别注意:线性无关,但有可能非线性相关对于小样本,我们直接查表,比较r,大样本我们需要构建统计量进行检验。
2024-04-23 20:56:56
1867
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