![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
多元统计分析
文章平均质量分 80
钥钥没起床
这个作者很懒,什么都没留下…
展开
-
多元统计分析——各类图的具体应用(数据可视化)
1.轮廓图 1.1 基本介绍 在二维直角坐标系中,将 n 次观测值可画出 n 条折线构成轮廓图,其中横坐标表示各个变量,纵坐标表示与变量取值成正比的数值。作图步骤 (1) 作直角坐标系,横坐标取 p 个点表示 p 个变量. (2) 对给定的一次观测值,在 p 个点上的纵坐标(即高度)和它对应的变取值成正比. (3) 连接 p 个高度的顶点得一折线,则一次观测值的轮廓为一条多角折线形 1.2 实现代码 pandas.plotting.parallel_coordin.原创 2022-04-30 16:09:05 · 4945 阅读 · 4 评论 -
多元统计分析——复习与总结
一、主要内容掌握各方法的基本思想、用途。掌握各方法的使用条件和优缺点各方法中的主要概念 ·多元变量:协方差矩阵、相关系数矩阵、多元正态分布形式 ·回归分析:最小二乘、Lasso、岭回归、损失函数、可决系数、均方误差·分类任务:线性投影、极大似然估计 ·其他任务:聚类及分类的区别、主因子、主成分、典型变量熟悉各方法的实现过程,尤其是回归分析、主成分分析及分类二、矩阵的微商三、统计模型优化四、变量间的相似性注:数据降维...原创 2022-04-23 10:44:41 · 3783 阅读 · 0 评论 -
多元统计分析——主成成分分析
一、代码实现与示例 1.代码实现 ◆ sklearn.decomposition.PCA(n_components=None, copy=True, whiten=False) ➢ n_components : int, float, None or string。降维后的主成成分数量 ✓ 若 0 < n_components < 1,则方差和需要大于 n_components 所指定的 阈值,PCA 会自动地选择下降维数; ✓ 如果 n_components...原创 2022-04-21 20:05:30 · 3377 阅读 · 0 评论 -
多元统计分析——层次聚类方法
一、代码实现与示例 1. 代码实现 from scipy.cluster.hierarchy import dendrogram, linkage,fcluster ◆ z=linkage(y, method=’single’, metric=’euclidean’) #聚类结果 ➢ y:数据矩阵, ➢ method:衡量簇与簇之间的远近程度的方法,主要有‘single:’:最小距 离; ‘complete’:最大距离;‘average’:平均距离 ➢ Metric 距离度量:,原创 2022-04-21 19:54:29 · 2599 阅读 · 2 评论 -
多元统计分析——Fisher 线性判别分析
1.实现代码 from sklearn import discriminant_analysis as da da.LinearDiscriminantAnalysis(solver='svd', shrinkage=None, priors=None, n_compo nents=None) ➢ solver:逆矩阵求解方式,‘svd‘(默认), ’lsqr‘, ’eigen‘(数据稀疏时使用) ➢ Shrinkage:收缩系数,当数据稀疏时配合’lsqr‘, ’eigen‘使用:’原创 2022-04-21 19:45:58 · 2387 阅读 · 0 评论 -
多元统计分析——多元线性回归
1. 经典的线性回归分析与交叉验证examDict={' 学习时 ':[0.50, 0.75, 1.00, 1.25,1.50,1.75, 1.75,2.00, 2.25,2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50], '分':[10,22,13 ,43,20,22,33,50,62 ,48,55,75,62,73,81,76,64,82,90,93]}examDf = pd.DataFrame(examDict)X_trai原创 2022-04-21 19:37:53 · 3595 阅读 · 0 评论