回归分析
文章平均质量分 94
线性回归、岭回归等原理的理解和应用
楚江客
这个作者很懒,什么都没留下…
展开
-
DeepAR论文笔记
1. what is motivation?研究动机在近年来,时间序列预测出现新局面:海量(上千甚至是上百万)相关时间序列的预测。例如,预测城市中每户居民的用电量,大型零售商所有商品的销量等。在上述所有场景中,可以使用那些过去相似、或相关的时间序列来对单个时间序列进行建模预测。 这样做的优势是:可以拟合复杂模型而不产生过拟合,免去传统机器学习中所必须的大量人工特征制作的过程。2. What is the problem the paper wants to solve?论文想要解决的问题是什么?海量(原创 2021-07-15 22:21:47 · 1116 阅读 · 1 评论 -
PoissonRegression
1.3 Poisson回归1.3.1 Poisson回归建模的动机我们所感兴趣的因变量y\bold{y}y是计数数据count data,而且不是正态分布的,即是稀有事件。例如,生产线上的不合格产品的数目,软件中的bug数,每天接到电话的数目。而且1(1) 在一个短区间Δz\Delta zΔz内,发生一次事件的概率与Δz\Delta zΔz成正比: ηΔz\eta \Delta zηΔz 。(2) 在短区间Δz\Delta zΔz内发生两次及以上事件的概率可以忽略。(3) 在不重叠的短区间Δz\D原创 2021-04-26 11:32:10 · 839 阅读 · 0 评论 -
Poisson随机现象
1. Poisson随机现象1.1 引言文献[1]中的例子:1898年由Ladislaus Bortkiewicz在《小数法则》中提出了一个实际应用的例子。当时他得到一个任务:调查1875到1894年的20年间普鲁士军队14个军团中偶然被马踢伤而致死的士兵数量。这 20×14= 280 个纪录, 见“./data/因马踢伤死亡士兵数.xlsx”,按死亡人数来分,则如下表左二栏所示: 表1-1 因马踢伤致死的士兵数x=每年因马踢伤死亡士兵数记录数(次/团年)0141.原创 2021-04-23 15:51:40 · 569 阅读 · 1 评论 -
线性回归方程参数的最小二乘估计
概述一共两个部分,第一,线性模型和最小二乘估计方法的概括。第二,基于最小二乘估计方法,实现线性回归方程中回归参数的估计。并且和statsmodels中的方法进行对比。1.线性模型和最小二乘方法线性模型是指预测值是特征(feature)的线性组合(liner combination),数学表达式如下: yi^=β0+β1xi1+...+βpxip(1)\hat {y_i}= \beta_0...原创 2020-02-29 21:55:10 · 12412 阅读 · 0 评论 -
多重共线性问题 -- 岭回归方法
概述本篇博客分为三大部分,线性模型、多重共线性问题和岭回归。其中,线性模型中介绍了线性模型定义和普通最小二乘法对线性模型的拟合。第二部分,借由1987-2007年的人口、消费和科技对碳排放的影响的数据来说明多重共线性问题(包括如何从定性和定量两个方面判断多重共线性问题)和多重共线性问题对普通最小二乘估计的影响。第三部分,使用岭回归对第二部分中的多重共线性问题进行拟合,并基于R2R^2R2决定系数...原创 2020-02-28 09:25:29 · 10334 阅读 · 12 评论