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语言用关联规则和聚类模型挖掘处方数据探索药物配伍中的规律
原文链接：http://tecdat.cn/?p=997 概要 方剂药效与剂量的关系中药不传之秘在于剂量中药配伍规律。拓端数据使用数据挖掘技术对海量的在线医院药物复方历史数据进行智能分析，并从中找出药物配伍的规律。 业务挑战 中医传承过程中，关于生理、病因病机以及疾病的表现和发展规律，都容易记载在书上，也容易理解和传承。然而随着医药科技的不断进步,新特药品的的种类...
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率-2
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率-1 https://developer.aliyun.com/article/1488197 模型预测 通常您会希望使用估计模型来随后预测条件方差。用于此目的的函数是 forecast 函数。该应用程序相当简单： ...
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率-1
原文链接：http://tecdat.cn/?p=25957 介绍 当您处理金融时间序列时，我们通常可以获得相对高频的观察结果。例如，每天进行观察是很常见的。事实上，现在可以获得每小时、分钟、秒甚至毫秒的观测值。 使用的包 有许多软件包可以使我们能够估计波动率模型。我们还将使用该 quantmod 软件包，因为它可以让我们轻松访问一些标准财务数据。 ...
R语言两层2^k析因试验设计（因子设计）分析工厂产量数据和Lenth方法检验显著性可视化|数据分享(二)
因子设计相对于一次一个因子设计的优势 假设一次只研究一个因素。例如，在将浓度保持在 20% (-1) 并将催化剂保持在 B (+1) 时研究温度。 为了使效果具有更普遍的相关性，有必要使效果在所有其他浓度和催化剂水平上都相同。换句话说，因素（例如，温度和催化剂）之间没有相互作用。如果效果相同，则因子设计更有效，因为效果的估计需要更少的观察来达到相同的精度。 如果在其他浓度...
R语言两层2^k析因试验设计（因子设计）分析工厂产量数据和Lenth方法检验显著性可视化|数据分享(一)
假设调查人员有兴趣检查减肥干预方法的三个组成部分。这三个组成部分是： 记录食物日记（是/否） 增加活动（是/否） 家访（是/否） 调查员计划调查所有 ，实验条件的组合。实验条件为 ...
R语言和Python用泊松过程扩展：霍克斯过程Hawkes Processes分析比特币交易数据订单到达自激过程时间序列
介绍 本文描述了一个模型，该模型解释了交易的聚集到达，并展示了如何将其应用于比特币交易数据。这是很有趣的，原因很多。例如，对于交易来说，能够预测在短期内是否有更多的买入或卖出是非常有用的。另一方面，这样的模型可能有助于理解基本新闻驱动价格与机器人交易员对价格变化的反应之间的区别。 订单到达的自激性和集群性 交易不会以均匀的间隔到达，但通常会在时间上聚集在一起。类似地，相同...
【视频】文本挖掘：主题模型（LDA）及R语言实现分析游记数据
在文本挖掘中，我们经常有文档集合，例如博客文章或新闻文章，我们希望将它们分成自然组，以便我们理解它们。主题建模是一种对此类文档进行分类的方法。在本视频中，我们介绍了潜在狄利克雷分配LDA模型，并通过R软件应用于数据集来理解它。 视频：文本挖掘：主题模型（LDA）及R语言实现分析游记...
R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据
如果你正在进行统计分析：想要加一些先验信息，最终你想要的是预测。所以你决定使用贝叶斯。 但是，你没有共轭先验。你可能会花费很长时间编写 Metropolis-Hastings 代码，优化接受率和提议分布，或者你可以使用 RStan。 Hamiltonian Monte Carlo（HMC） HMC 是一种为 MH 算法生成提议分布的方法，该提议分布被接受的概率很高。具体算...
R语言梯度提升机 GBM、支持向量机SVM、正则判别分析RDA模型训练、参数调优化和性能比较可视化分析声纳数据
原文链接：http://tecdat.cn/?p=24354 本文介绍简化模型构建和评估过程。 caret包的train 函数可用于 使用重采样评估模型调整参数对性能的影响 在这些参数中选择“最佳”模型 从训练集估计模型性能 首先，必须选择特定的模型。 调整模型的第一步是选择一组要评估的参数。例如，如果拟合偏最小二...
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。