活动
ArcGIS如何拼接两张栅格图像
ArcGIS如何拼接两张栅格图像
Python数据分析招式：pandas库提取清洗排序-1
Python数据分析招式：pandas库提取清洗排序-1
拓端tecdat|R语言代码编写用向量自回归（VAR）进行经济数据脉冲响应研究分析
自从Sims（1980）发表开创性的论文以来，向量自回归模型已经成为宏观经济研究中的关键工具。这篇文章介绍了VAR分析的基本概念，并指导了简单模型的估算过程。
R语言混合效应模型（mixed model）案例研究|附代码数据
在本文中，我们描述了灵活的竞争风险回归模型。回归模型被指定为转移概率，也就是竞争性风险设置中的累积发生率。
R语言广义相加模型 (GAMs)分析预测CO2时间序列数据|附代码数据
环境科学中的许多数据不适合简单的线性模型，最好用广义相加模型（GAM）来描述 。
r语言中对LASSO回归，Ridge岭回归和弹性网络Elastic Net模型实现|附代码数据
Glmnet是一个通过惩罚最大似然关系拟合广义线性模型的软件包。正则化路径是针对正则化参数λ的值网格处的lasso或Elastic Net（弹性网络）惩罚值计算的 。
R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例|附代码数据
在最近的一篇文章中，我们展示了一个LSTM模型，通过假近邻（FNN）损失进行正则化，可以用来重建一个非线性动态系统。
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|附代码数据
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。
数据分享|R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化|附代码数据
在讨论分类时，我们经常分析二维数据（一个自变量，一个因变量）。但在实际生活中，有更多的观察值，更多的解释变量。随着两个以上的解释变量，它开始变得更加复杂的可视化。
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|附代码数据
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。
R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测|附代码数据
最近我们被客户要求撰写关于信贷数据的研究报告，包括一些图形和统计输出。在本文中，我们使用了逻辑回归、决策树和随机森林模型来对信用数据集进行分类预测并比较了它们的性能。
数量生态学冗余分析（RDA）分析植物多样性物种数据结果可视化|附代码数据
冗余分析（redundancy analysis，RDA）是一种回归分析结合主成分分析的排序方法，也是多因变量（multiresponse）回归分析的拓展。从概念上讲，RDA是因变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA分析。
R语言文本挖掘、情感分析和可视化哈利波特小说文本数据|附代码数据
一旦我们清理了我们的文本并进行了一些基本的词频分析，下一步就是了解文本中的观点或情感。这被认为是情感分析，本教程将引导你通过一个简单的方法来进行情感分析 。
拓端tecdat|R语言代码编写动态可视化：制作历史全球平均温度的累积动态折线图动画gif视频图
在某些情况下，你可能希望通过在每帧中添加数据并保留先前添加的数据来进行动画处理。现在，我们将通过制作点线图的动画来探索。
拓端tecdat|R语言代码编写关于回归系数的解释
R语言关于回归系数的解释
拓端tecdat|R统计软件代码编写三次样条和平滑样条模型数据拟合及预测
样条线是拟合非线性模型并从数据中学习非线性相互作用的一种方法。
R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归|附代码数据
在这篇文章中，我将对多元线性回归使用block的Gibbs采样，得出block的Gibbs采样所需的条件后验分布。然后，对采样器进行编码，并使用模拟数据对其进行测试 。
R语言LME4混合效应模型研究教师的受欢迎程度|附代码数据
文中本教程对多层_回归_模型进行了基本介绍 。
拓端tecdat|R语言SIR模型（Susceptible Infected Recovered Model）代码sir模型实例
SIR模型是一种传播模型，是信息传播过程的抽象描述。SIR模型是传染病模型中最经典的模型，其中S表示易感者，I表示感染者，R表示移除者。
拓端数据|R语言代写阈值模型代码示例
阈值模型用于统计的几个不同区域，而不仅仅是时间序列。一般的想法是，当变量的值超过某个阈值时，过程可能表现不同。也就是说，当值大于阈值时，可以应用不同的模型，而不是当它们低于阈值时。
热门文章
Dataloader有哪些使用方法
2023-02-13 08:10:07
__name__的基本用法
2023-02-13 08:10:07
第7章 目标检测与识别
2023-02-15 09:58:40
Python数据分析招式：pandas库提取清洗排序-1
2024-09-25 10:13:46
断开式数据集DataSet 1129
2023-04-06 06:35:33
机器学习：sklearn数据集简介
2023-06-28 09:10:31
- APP
