【视频】R语言支持向量回归SVR预测水位实例讲解|附代码数据
当我们面对样本需要建立相应模型时，使用传统统计方法建立模型需要大量的样本数据，只有在样本量足够大时，该模型才具有一定的可靠性，而实际实验中，不一定每次实验都拥有足够大的样本，甚至是小样本，这时使用传统统计方法来建立出的模型，在可靠性方面就存在一定的局限，难以达到理想的效果（点击文末“阅读原文”获取完整代码数据）。 实例视频 ...
【视频】决策树模型原理和R语言预测心脏病实例|数据分享(下)
【视频】决策树模型原理和R语言预测心脏病实例|数据分享(上)：https://developer.aliyun.com/article/1498064 EDA EDA是探索性数据分析（Exploratory Data Analysis）的缩写，它是一种数据分析的方法/哲学，采用各种技术（主要是图形技术）来深入了解数据集。 对于图形表示，我们需要库 "ggplot...
【视频】决策树模型原理和R语言预测心脏病实例|数据分享(上)
全文链接：https://tecdat.cn/?p=33128 分析师：Yudong Wan 决策树模型是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题（点击文末“阅读原文”获取完整代码数据）。 决策树模型简介 ...
【视频】因子分析简介及R语言应用实例：对地区经济研究分析重庆市经济指标
全文链接：http://tecdat.cn/?p=32694 分析师：Li Yu 因子分析是指研究从变量群中提取隐藏的具有代表性共性因子的统计技术（点击文末“阅读原文”获取完整代码数据）。 进而起到降维的目的，还可检验变量间关系的假设。 最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其...
课程视频|R语言bnlearn包：贝叶斯网络的构造及参数学习的原理和实例(下)
课程视频|R语言bnlearn包：贝叶斯网络的构造及参数学习的原理和实例(中)：https://developer.aliyun.com/article/1496663 比较线性模型 如果参数估计因任何原因出现问题，我们可以用一组新的、来自不同方法的估计值来取代它们。 ...
课程视频|R语言bnlearn包：贝叶斯网络的构造及参数学习的原理和实例(中)
课程视频|R语言bnlearn包：贝叶斯网络的构造及参数学习的原理和实例(上)：https://developer.aliyun.com/article/1496661 我们可以在热图中看到两个集群：第一个集群包括...
课程视频|R语言bnlearn包：贝叶斯网络的构造及参数学习的原理和实例(上)
全文链接：http://tecdat.cn/?p=32462 分析师：Chang Zhang 贝叶斯网络（BN）是一种基于有向无环图的概率模型，它描述了一组变量及其相互之间的条件依赖性（点击文末“阅读原文”获取完整课程代码数据）。 贝叶斯网络在信息不完备的情况下通过可以观察随机变量推断不可观察的随机变量，对于解决复杂的不确定性和关联性问题有很强的优势。...
【视频】少样本图像分类？迁移学习、自监督学习理论和R语言CNN深度学习卷积神经网络实例
全文链接：http://tecdat.cn/?p=30793 您想构建一个没有太多训练数据的机器学习模型吗？众所周知，机器学习需要大量数据，而收集和注释数据需要时间且成本高昂（点击文末“阅读原文”获取完整代码数据）。 本文介绍了一些在没有太多数据或标记数据的情况下进行图像分类的方法。我将介绍迁移学习、自监督学习的最重要方面。 利用未标记的数据...
【视频】什么是梯度下降？用线性回归解释和R语言估计GARCH实例
全文链接：http://tecdat.cn/?p=23606 梯度下降是一种优化算法，能够为各种问题找到最佳解决方案（点击文末“阅读原文”获取完整代码数据）。 梯度下降是什么？ 梯度下降的主要功能是最小化成本函数。 这个定义很难理解，对吧？！ 好的，让我们通过一个例子来理解它。 假设我们有2个变量的数据，并且 ，其中x是自变量，...
【视频】什么是Bootstrap自抽样及应用R语言线性回归预测置信区间实例|数据分享
全文链接：http://tecdat.cn/?p=21625 自抽样统计是什么以及为什么使用它？ 本文将自抽样方法与传统方法进行比较，并了解它为何有用。并在R语言软件中通过对汽车速度和制动距离数据（查看文末了解数据获取方式）进行线性回归预测来实践它。 统计学是从数据中学习的科学。统计知识有助于收集数据的正确方法，使用正确的方法分析数据，并有效地呈现从数...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。