统计
Traumereiisun
这个作者很懒,什么都没留下…
展开
-
CCCP(凹凸过程)相关资料
说明:本文是资料整理集合,不涉及具体内容。是学习优化算法 CCCP(凹凸过程)时搜集的资料。1 知乎 DC 优化详解工程中非凸优化利器: Majorization-Minimization - 潘润琦的文章 - 知乎2 知乎优化算法资料知乎优化算法资料3 CSDN——CCCP详解CCCP(convex-concave procedure)优化算法的一些理解4 CSDN——DC优化资料Difference of Convex Functions Programming 凸差函数作为优化学习原创 2020-07-22 19:55:30 · 3066 阅读 · 5 评论 -
Lasso求解
参考文献(一)Lasso 闭式解从Lasso开始说起5. Lasso三种求解方法:闭式解、LARS、CD(二)坐标下降法 Coordinate DescentLasso回归的坐标下降法推导次要参考文献坐标下降法中要用到“次梯度”的概念:次梯度(subgradient)方法函数 f(x)f(x)f(x) 不一定是处处可导的,但是一定存在次导数。对 f(x)f(x)f(x) 定义域内的任何点 x0x_0x0, 总可以作出一条直线,它通过点 (x0,f(x0))(x_0, f(x_0))(x0原创 2020-06-11 18:04:44 · 2127 阅读 · 0 评论 -
最简洁分清:标准差 & 标准误
参考文献标准差,标准误标准误/标准误和标准差的区别标准差对于离散型随机变量,假设随机变量为 XXX, 取值 xi,i=1,2,...,nx_i, i=1,2,...,nxi,i=1,2,...,n, μ=EX\mu=EXμ=EX 为随机变量 XXX 的数学期望(均值), 那么离散型随机变量 XXX 的标准差可以表示为:σ(X)=1n∑i=1n(xi−μ)2\sigma(X)=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i-\mu)^2}σ(X)=n1i=1∑n(xi−原创 2020-06-10 11:46:06 · 431 阅读 · 0 评论 -
加权最小二乘法
加权最小二乘法参考文献加权最小二乘法与局部加权线性回归逻辑普通最小二乘法OLS加权最小二乘法(1) 广义最小二乘法(加权最小二乘法是广义最小二乘法的一种特殊情形)(2) 加权最小二乘法(3) 广义最小二乘 & 普通最小二乘模型 的转换一 普通最小二乘法OLS普通最小二乘法的回归模型:Y=Xβ+ϵY=Xβ+\epsilonY=Xβ+ϵY:n∗1,X:n∗p,ϵ:p∗...原创 2020-03-26 19:54:54 · 19868 阅读 · 0 评论 -
一元线性回归模型
一元线性回归模型参考文献ols估计量的期望值和方差.ppt逻辑目的:求解一元线性回归模型的 β0\beta_0β0, β1\beta_1β1.方法:(1)矩方法(2)公式方法目的一元线性回归模型:有 111 个解释变量 xxx 的线性回归模型。证明:方法法1(矩方法):法2(公式方法):...原创 2020-03-26 17:23:29 · 583 阅读 · 0 评论 -
MSE \ RMSE \ R-square
逻辑:基本概念(SSE+SSR=SST)统计常用概念(MSE \ RMSE \ R-square)参考文献:SSR、SSE、SST、判定系数(可决系数、拟合优度)的计算公式SSE,SSR,SSE 的关系基本概念SSE 残差平方和SSE=∑i=1n(yi−yi^)2SSE=\sum_{i=1}^{n}(y_i-\hat{y_i})^2SSE=i=1∑n(yi−yi^)2S...原创 2020-03-22 13:45:02 · 1195 阅读 · 0 评论 -
区间估计与假设检验的关系
区间估计与假设检验的关系区间估计单侧上限:side<0, P(统计量>x)=1−α⇒P(统计量<x)=αside<0,\ P(\text{统计量} > x)=1-\alpha \Rightarrow P(\text{统计量} < x)=\alphaside<0, P(统计量>x)=1−α⇒P(统计量<x)=α 所以,拒绝域...原创 2020-02-26 16:29:32 · 3442 阅读 · 0 评论 -
假设检验中的 p 值
假设检验中的 p 值逻辑基本定义:ppp 值 + 显著性水平 α\alphaα + β\betaβ + 势 π\piπ(1)ppp 值(2)显著性水平 α\alphaα(3)β\betaβ(4)势 π\piπ理解 ppp 值(1)例子一(2)例子二说明与致谢参考文献:假设检验,显著性水平,p-value统计学假设检验中 p 值的含义具体是什么?知乎回答基本定义:pp...原创 2020-02-25 22:34:33 · 1418 阅读 · 0 评论