Python 计量模型
一根吸管
数据分析自学之路
(所有内容都是个人的读书笔记,不供任何参考)
展开
-
线性回归《机器学习实战》读书笔记(数据分析学习DAY9)
今天下午又补充学习了其他几个基本的线性回归算法原理较为简单:def lwlr(testPoint, xArr, yArr, k=1.0):#高斯核权重调整局部加权线性回归 xMat = mat(xArr); yMat = mat(yArr).T m = shape(xMat)[0] weights = mat(eye((m)))#返回m*m,对角线元素为1,其余元素为0的矩阵 for j in range(m): diffMat = testPoint -原创 2020-11-03 16:11:12 · 713 阅读 · 0 评论 -
标准线性回归《机器学习实战》读书笔记(数据分析学习DAY9)
最近课业繁忙,留给自学机器学习的时间少了今天学习了线性回归,这部分较为简单。无论是原理还是代码。def standRegres(xArr, yArr): xMat = mat(xArr); yMat = mat(yArr).T xTx = xMat.T*xMat if linalg.det(xTx) == 0.0: print("This matrix is singular, cannot do inverse") return ws =原创 2020-11-03 14:36:33 · 98 阅读 · 0 评论 -
支持向量机《机器学习实战》读书笔记(数据分析学习DAY8)
今天把SMO的代码部分理解了一下,代码的理解不难,主要还是数学关系的推导。个人对于最优化方法的学习可能还远远不够。代码和这位dalao的文章适配https://blog.csdn.net/hx14301009/article/details/79762666仔细阅读这位大佬的文章后确实受益匪浅。def smoSimple(dataMatIn, classLabels, C, toler, maxIter): dataMatrix = mat(dataMatIn); labelMat = ma原创 2020-11-01 10:16:43 · 136 阅读 · 1 评论 -
支持向量机《机器学习实战》读书笔记(数据分析学习DAY7)
支持向量机的原理,以及优化目标函数的推导复杂了许多,还涉及了松弛变量等我之前没有接触的新内容。为了更好的理解原理,我计划用西瓜书再研读一边原理。今日只做简单的准备函数工作:def loadDataSet(flieName): dataMat = []; labelMat = [] fr = open(fileName) for line in fr.readlines(): lineArr = line.strip().split('\t')原创 2020-10-29 10:56:10 · 82 阅读 · 0 评论 -
3.计量模型的基础分析流程(数据分析学习DAY4)
大作业终于要做完了。本科后两年其实计量模型用得不是很多,更多使用的金融相关的模型。导致计量分析都快忘得差不多了。从上周开始看了一会高级计量的书,被里面复杂的数学推到搞得很头疼,但想了想其实自己不必百分百弄懂模型内部的数学原理,不过读了一部分,这些知识确实能帮助我理解。今天在这里稍微记录一点计量模型(非时间序列相关)的分析范式,供以后自己参考:1.时间序列平稳性检验拿到数据后首先比较重要的要分析平稳性,否则会出现伪回归等一系列问题。主要方法有 怀特检验。 如果不讲究严谨性的初步判断,通过画图也可以原创 2020-10-26 10:54:59 · 1871 阅读 · 0 评论 -
2.计量模型的基础回顾(数据分析学习DAY3)
1.小样本的最小二乘估计(OLS) 变量需满足以下条件(假定)(1)线性假定 变量间的影响成线下关系(2)严格外生性 给定解释变量后 随机项扰动的条件期望为0即扰动项需要与各解释变量无关(3)不存在严格的多重共线性(4)同方差,无自相关。扰动项的方差相同,且各扰动项协方差都为02.小样本的最小二乘估计(OLS)的性质(1)线性性:OLS估计量为解释变量和被解释变量的线性组合(2)无偏性:不存在系统的估计偏差(3)估计量的方差为常数(4)高斯马尔可夫定理(BLUE):最小二乘估计是最佳原创 2020-10-24 15:03:01 · 1547 阅读 · 0 评论 -
1.基于Statamodel的简单线性回归以及趋势判断 (数据分析学习DAY1)
2020.10.22自学数据分析已经有一段时间了最近有一个分析中介效应的大作业刚好复习一下计量知识,以及用python实现简单回归import numpy as npfrom pandas import DataFrameimport pandas as pd #引入数据分析的基础库xlsx = pd.ExcelFile('C:\\Users\\____\\Desktop\\5018工作表.xlsx')#打开EXCEL保存的文件frame5018 = pd.read_excel(xlsx,'原创 2020-10-23 21:49:10 · 1368 阅读 · 1 评论