数据分享|R语言回归模型诊断、离群值分析学生考试成绩、病人医护质量满意度、婴儿死亡率和人均收入、针叶树荫面积数据
全文链接：http://tecdat.cn/?p=29277 一些标准的图形工具可以极大地帮助理解数据集并评估所建议模型的质量。 学生考试成绩 例如，数据集包含600个观察结果，用于国家统计教育中心对学生进行的一项非常大的研究（查看文末了解数据免费获取方式）。数据集...
R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据
全文下载：http://tecdat.cn/?p=29221 传统上，协整检验是在非常长的时间内进行的，本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的均衡。 但是作为量化主义者，我们必须在市场数据中寻找共同运动。 现货曲线 ...
【视频】机器学习交叉验证CV原理及R语言主成分PCA回归分析犯罪率|数据共享
全文下载链接：http://tecdat.cn/?p=24671 交叉验证是避免过度拟合和很好地理解预测模型性能的最有效技术之一。 训练集用于训练模型，测试集用于评估其性能。但是这种方法通常应该避免，并且不应用于现实世界的场景。 ...
R语言MCMC的lme4二元对数Logistic逻辑回归混合效应模型分析吸烟、喝酒和赌博影响数据
原文下载链接：http://tecdat.cn/?p=29196 吸烟、喝酒和赌博被认为是由许多因素造成的。Logistic回归分析是一个非常有效的模型，可以检验各种解释变量和二元反应变量之间的关系。同时，双变量模型分析也被用于检验单变量模型之间的相关性。本项目的目的是利用统计方法来检验某个因素是否对吸烟、喝酒或赌博偏好有显著影响。然后用这个结果来预测这些习惯之间的组合。 ...
【视频】逆变换抽样将数据标准化和R语言结构化转换：BOX-COX、凸规则变换方法
全文下载链接：http://tecdat.cn/?p=22251 归一化数据是数据科学中的一项常见任务。有时它可以让我们加快梯度下降的速度或提高模型的准确性，在某些情况下，它绝对是至关重要的。 一些归一化技术，如取对数，在大多数情况下可能有效，但在这种情况下，我决定尝试对任何数据都有效的方法，不管它最初是如何分布的。我下面要介绍的方法是基于逆变换抽样...
【视频】为什么要处理缺失数据？如何用R语言进行缺失值填充？
全文下载链接：http://tecdat.cn/?p=8287 在每个现实世界的数据集中，缺失数据值几乎是不可避免的，在典型的数据收集过程中几乎不可能避免。 这可能由于各种原因而发生，例如文件丢失/损坏、数据输入过程中的错误、数据收集过程中的技术问题以及许多其他原因。 ...
数据分享|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
全文下载链接：http://tecdat.cn/?p=26105 在本文中，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。 ...
【视频】神经网络正则化方法防过拟合和R语言CNN分类手写数字图像数据MNIST|数据分享
全文链接：http://tecdat.cn/?p=23184 在本文中，在训练深度神经网络时，在训练集和验证集上实现相同的性能通常很麻烦。验证集上相当高的误差是过度拟合的明显标志：神经网络在训练数据方面变得过于专业，我们将学习如何使用keras，用手写数字图像数据集（即MNIST）（查看文末了解数据获取方式）进行深度学习。 在本文中，我们提供了有关如何绕过此问题的综合指南。 ...
R语言基于Bootstrap的线性回归预测置信区间估计方法分析汽车制动距离|数据分享
阅读全文：http://tecdat.cn/?p=21625 我们知道参数的置信区间的计算，这些都服从一定的分布(t分布、正态分布），因此在标准误前乘以相应的t分值或Z分值。但如果我们找不到合适的分布时，就无法计算置信区间了吗？ 幸运的是，有一种方法几乎可以用于计算各种参数的置信区间，这就是Bootstrap 法。 本文使用BOOTSTRAP...
R语言和STAN,JAGS：用RSTAN,RJAG建立贝叶斯多元线性回归预测选举数据
全文链接：http://tecdat.cn/?p=21978 本文将介绍如何在R中用rstan和rjags做贝叶斯回归分析，R中有不少包可以用来做贝叶斯回归分析，比如最早的（同时也是参考文献和例子最多的）R2WinBUGS包。这个包会调用WinBUGS软件来拟合模型，后来的JAGS软件也使用与之类似的算法来做贝叶斯分析。然而JAGS的自由度更大，扩展性也更好。近来，STAN和它...
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。