文章 2024-04-24 来自:开发者社区

【视频】KMEANS均值聚类和层次聚类:R语言分析生活幸福指数可视化|数据分享(下)

【视频】KMEANS均值聚类和层次聚类:R语言分析生活幸福指数可视化|数据分享(上):https://developer.aliyun.com/article/1491650 欧氏距离 我们将使用欧几里得距离找到彼此最相似的国家,并将它们分组在一起。 ...

【视频】KMEANS均值聚类和层次聚类:R语言分析生活幸福指数可视化|数据分享(下)
文章 2024-04-24 来自:开发者社区

【视频】KMEANS均值聚类和层次聚类:R语言分析生活幸福指数可视化|数据分享(上)

原文链接:http://tecdat.cn/?p=24198 聚类是将总体或数据点划分为多个组的任务,以使同一组中的数据点与同一组中的其他数据点更相似,而与其他组中的数据点不相似。它基本上是基于它们之间的相似性和相异性的对象的集合。 在本项目中,我将使用世界幸福报告中的数据(查看文末了解数据获取方式)来探索亚洲22个国家或地区,并通过查看每个国家的阶梯得分,社会支持,健...

【视频】KMEANS均值聚类和层次聚类:R语言分析生活幸福指数可视化|数据分享(上)
文章 2024-04-23 来自:开发者社区

R语言贝叶斯METROPOLIS-HASTINGS GIBBS 吉布斯采样器估计变点指数分布分析泊松过程车站等待时间

原文链接:http://tecdat.cn/?p=26578  指数分布是泊松过程中事件之间时间的概率分布,因此它用于预测到下一个事件的等待时间,例如,您需要在公共汽车站等待的时间,直到下一班车到了。 在本文中,我们将使用指数分布,假设它的参数 λ ,即事件之间的平均时间,在某个时间点 k 发生了变化,即: ...

R语言贝叶斯METROPOLIS-HASTINGS GIBBS 吉布斯采样器估计变点指数分布分析泊松过程车站等待时间
文章 2024-04-22 来自:开发者社区

R语言极值理论:希尔HILL统计量尾部指数参数估计可视化

原文链接:http://tecdat.cn/?p=26277  极值理论对样本尾部分布的极值指数的估计方法主要有两类:半参数方法和全 参数方法,前者主要是基于分布尾部的 Hill 估计量,后者则主要基于广义帕累托分布。 尾部指数的希尔HILL统计量估计。更具体地说,我们看到如果 ...

R语言极值理论:希尔HILL统计量尾部指数参数估计可视化
文章 2024-04-22 来自:开发者社区

R语言、SAS潜类别(分类)轨迹模型LCTM分析体重指数 (BMI)数据可视化|数据分享

原文链接:http://tecdat.cn/?p=26105  潜类别轨迹建模 (LCTM) 是流行病学中一种相对较新的方法,用于描述生命过程中的暴露,它将异质人群简化为同质模式或类别。然而,对于给定的数据集,可以根据类的数量、模型结构和轨迹属性得出不同模型的分数。 本文说明了LCTM的基本用法,用于汇总拟合的潜在类轨迹模型对象的输出。 例子 _目的_:...

R语言、SAS潜类别(分类)轨迹模型LCTM分析体重指数 (BMI)数据可视化|数据分享
文章 2024-04-18 来自:开发者社区

R语言对S&P500股票指数进行ARIMA + GARCH交易策略

在本文中,我想向您展示如何应用S&P500股票市场指数的交易策略。 通过组合ARIMA和GARCH模型,从长期来看,我们可以超过“买入并持有”方法。 策略概述 该策略在“滚动”预测的基础上执行: 对于每一天,股票指数的对数收益的前_k_天被用作拟合最佳ARIMA和GARCH模型的窗口。 组合模型用于对第二天的收益进行预测。 如果预...

R语言对S&P500股票指数进行ARIMA + GARCH交易策略
文章 2024-04-17 来自:开发者社区

R语言GARCH建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化

我们研究波动聚集,以及使用单变量 GARCH(1,1) 模型对其进行建模。 波动聚集 波动聚集——存在相对平稳时期和高波动时期的现象——是市场数据的一个看似普遍的属性。对此没有普遍接受的解释。GARCH(广义自回归条件异方差)模型 波动聚集。图 1 是波动率的 garch 模型的示例。 图 1:根据 garch(1,1) 模型估计的 2011 年底之前的标准普尔 500 ...

R语言GARCH建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化
文章 2024-04-17 来自:开发者社区

R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析

概要 本文用 R 编程语言极值理论 (EVT) 以确定 10 只股票指数的风险价值(和条件 VaR)。使用 Anderson-Darling 检验对 10 只股票的组合数据进行正态性检验,并使用 Block Maxima 和 Peak-Over-Threshold 的 EVT 方法估计 VaR/CvaR。最后,使用条件异向性 (GARCH) 处理的广义自回归来预测未来 20 天后指数的未...

R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析
文章 2024-04-17 来自:开发者社区

R语言随机波动率(SV)模型、MCMC的Metropolis-Hastings算法金融应用:预测标准普尔SP500指数

在这个例子中,我们考虑随机波动率模型 SV0 的应用,例如在金融领域。 统计模型 随机波动率模型定义如下 并为 ...

R语言随机波动率(SV)模型、MCMC的Metropolis-Hastings算法金融应用:预测标准普尔SP500指数
文章 2024-04-17 来自:开发者社区

R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据

在等距时间段内以一系列点获得的数据通常称为时间序列数据。月度零售销售、每日天气预报、失业数据、消费者情绪调查等都是时间序列数据的经典示例。事实上,自然界、科学、商业和许多其他应用中的大多数变量都依赖于可以在固定时间间隔内测量的数据。 分析时间序列数据的关键原因之一是了解过去并预测未来。科学家可以利用历史气候数据来预测未来的气候变化。营销经理可以查看某种产品的历史销售额并预测未来的需求。 ...

R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据

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。