- 博客(10)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 [处理数据的心得][1]--相关矩阵的可视化
[处理数据的心得][1]--相关矩阵的可视化 一般做数据处理是一定会求一下数据之间的相关性。但是有时觉得相关矩阵还是不直观，就想到用颜色来表示。 data = {{149.3, 4.2, 108.1, 15.9}, {161.2, 4.1, 114.8, 16.4}, {171.5, 3.1, 123.2, 19.}, {175.5, 3.1, 126.9, 19
2016-12-29 09:55:26
1061
原创 [回归分析][15]--总结
[回归分析][15]--总结 马上也要到2017了，回归这个系列就不拖到明年了，今天把这篇总结的写完，也就差不多了。 这个总结我是想把这一系列里常用的函数归纳一下，一些是自带的，一些是我自己写的，放在一起，也方便以后查找吧。lm = LinearModelFit[datan, x, x](*画散点图和拟合图*)Show[ListPlot[datan, Image
2016-12-28 20:24:29
1057
5
原创 [回归分析][14]--Logistic回归
[回归分析][14]--Logistic回归 这应该是回归分析的最后一块知识点了。最后还会有一篇总结。那今天就好好讲一讲Logistic回归。 Logistic回归是为了处理 y的值是0，1时，这时候若用普通最小二乘去回归，会产生0--1之间的数，故产生了Logistic回归，去计算概率。 有两种情形： （1）.可以分块计算概率的 如上图，我
2016-12-25 14:09:58
1147
原创 词频可视化函数
词频可视化函数 这一篇文章会讲一个关于词频可视化的函数 WordCloud 用法：WordCloud[{w1,w2,w3,...,wn},{s1,s2,s3,...,sn},shape](*其中w为对应s的权重，shape为你要画出图形的形状*)例子：data = EntityValue[CountryData[], {"Name", "Populati
2016-12-20 16:15:51
1470
原创 [回归分析][13]--岭回归
[回归分析][13]--岭回归 这一次讲一下用mathematica来做岭回归。 岭回归的作用也是为了消除变量间的相关性的。 说一下步骤： 1.先对数据进行长度单位化(即均值为0，长度为1) 2.构造新的变量，如： 3.对新的变量做普通最小二乘，画出岭迹图，确定k（0 4.系数转化 例子：下面为这次例子的数据{
2016-12-18 15:28:12
1475
原创 [回归分析][12]--主成分分析
[回归分析][12]--主成分分析这一篇文章会讲一下关于主成分的内容，这里就是处理数据间有相关性的。我会用一个例子来说明：data = {{49.`, 15.9`, 149.3`, 4.2`, 108.1`}, {50.`, 16.4`, 161.2`, 4.1`, 114.8`}, {51.`, 19.`, 171.5`, 3.1`, 123.2`}, {52.
2016-12-09 21:33:21
3037
原创 mathematica--关联
mathematica--关联今天想讲一下关联，Association即上面这个函数的使用。首先让我们构造两张表data1 = Table[{k, RandomChoice[{"每天洗澡", "两天洗澡"}]}, {k, 9}]data2 = Table[{Mod[7 k, 9] + 1,RandomChoice[{"一日三餐", "一日两餐", "一日四餐"}
2016-12-09 17:21:39
1193
2
原创 Black-Scholes期权定价公式
Black-Scholes期权定价公式没在mathematica里找到内置的函数，自己写了一下，记录在这，方便以后使用。(*s-代表0时刻的价格 t--代表时长 k--代表执行价 r--代表利率 a--代表波动率*)p[s_, t_, k_, r_, a_] := Block[{w, wp, wp2}, w = (r*t + a^2*t/2 - Log[k/s])/
2016-12-04 16:00:55
6000
原创 [回归分析][11]--共线性数据的分析
[回归分析][11]--共线性数据的分析考虑 x1，x2，x3 ... xn之间有相关性时。即我们搜集数据时，可能搜集的数据之间有很强的相关性，会影响我们的分析。对于两两之间的关系，可以用相关系数矩阵如：以下是数据data = {{"st", "at", "pt", "et", "at-1", "pt-1"}, {20.11, 1.99, 1., 0.3, 2.0
2016-12-03 14:23:47
2469
原创 一棵树的生成
一棵树的生成 今天来看一个好玩的，一棵树的长大。 1.长树枝point = Table[{0.6^i, RandomChoice[{Pi/8, -Pi/8}]}, {i, 1, 20}];Graphics[Line[AnglePath[point]]]2.树枝慢慢变多line = {};For[j = 1, j <= 10, j++, point = Ta
2016-12-03 12:28:25
1257
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人