思路记录

MODEL

ERGM model

beta-model
po-model
p1-model
模型里面还要关注的是图为有向还是无向图。

MLE or Moment Equation

估计的存在性、唯一性及相合性

当矩阵方程或者MLE没有具体的解的形式,高维的情况,那么解的存在性及相合性的相关定理及算法
1974 (无向图)
2016年(Yan有向图)的 theorem7(主要针对MLE) 初始值设置为真值,那么满足定理7的条件,就说明估计值存在,且在真值的邻域内。
技术运算主要就是各种不等式以及hoeffding 不等式 可能有时候涉及到分布是否为次指数或者次高斯才能满足不等式的条件。
在求解估计相合性的时候。
lasso在这里是否可以用到呢?

估计的中心极限性

主要用到the inverse of fisher information,没有具体的形式,那么主要做法就是去找一个矩阵去近似它。创新在这里。
主要运用泰勒展开式

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
分析分销商的消费记录数据可以帮助你了解他们的消费行为、市场表现和潜在机会。以下是一些可以考虑的分析思路: 1. 消费趋势分析:通过对消费记录数据进行时间序列分析,可以观察到分销商的消费趋势,例如季节性变化、月度或年度增长率等。这可以帮助你了解他们的购买习惯和消费行为的变化。 2. 分销商排名分析:通过计算每个分销商的消费金额或销售额,可以将他们进行排名,并识别出最具贡献的分销商。这可以帮助你确定哪些分销商对业绩的影响最大,以及哪些分销商可能需要更多关注和支持。 3. 地理分布分析:通过将分销商的消费记录数据与地理位置信息结合起来,可以进行地理分布分析。这可以帮助你了解不同地区的消费情况,发现潜在的地区市场机会或研究市场渗透度。 4. 产品类别分析:将消费记录数据按照产品类别进行分组,并分析每个分销商在不同产品类别上的消费情况。这可以帮助你识别出每个分销商对不同产品类别的偏好和需求,以便优化产品组合和定位策略。 5. 消费者细分分析:通过分析分销商的消费记录数据,可以识别出不同类型的消费者群体。可以根据消费频率、消费金额、购买行为等指标将分销商进行细分,并针对不同的消费者群体制定个性化的营销策略。 6. 增长机会分析:通过挖掘消费记录数据,可以发现潜在的增长机会。例如,识别出低消费但潜力巨大的分销商,或者发现一些特定产品类别的销售额增长较快的分销商。这可以帮助你制定针对性的增长策略和销售推广计划。 以上是一些常见的数据分析思路,具体的分析方法和技术可以根据你的数据特点和业务需求进行调整和扩展。使用数据分析工具(如Excel、Power BI等)能够更方便地进行这些分析,并生成可视化报告以支持决策和战略规划。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值