活动
R语言文本挖掘tf-idf,主题建模，情感分析,n-gram建模研究|附代码数据
R语言文本挖掘tf-idf,主题建模，情感分析,n-gram建模研究|附代码数据
R语言实现偏最小二乘回归法 partial least squares (PLS)回归
偏最小二乘回归是一种回归形式 。 当使用pls时，新 的线性组合有助于解释模型中的自变量和因变量。
R语言阈值模型代码示例
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。
R语言CRAN软件包Meta分析
我一直在寻找各种方法来查找有关R包的信息，但我最近才了解CRAN_package_db()了基本tools包中的函数。如果一位同事没有向我指出，我确信我永远不会自己找到它。当被调用时，这个函数发送到由环境变量指定的CRAN镜像，R_CRAN
R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型
介绍向量自回归（VAR）模型的一般缺点是，估计系数的数量与滞后的数量成比例地增加。因此，随着滞后次数的增加，每个参数可用的信息较少。在贝叶斯VAR文献中，减轻这种所谓的维数诅咒的一种方法是随机搜索变量选择（SSVS），由George等人提出
R语言线性分类判别LDA和二次分类判别QDA实例
一、线性分类判别对于二分类问题，LDA针对的是：数据服从高斯分布，且均值不同，方差相同。概率密度：p是数据的维度。分类判别函数：可以看出结果是关于x的一次函数：wx+w0，线性分类判别的说法由此得来。参数计算： 二、二次分类判别对于二分类
R语言中使用非凸惩罚函数回归(SCAD、MCP)分析前列腺数据
本文使用lasso或非凸惩罚拟合线性回归，GLM和Cox回归模型的正则化，特别是最小最大凹度惩罚函数(MCP)和光滑切片绝对偏差惩罚（SCAD），以及其他L2惩罚的选项（ “弹性网络”）。还提供了用于执行交叉验证以及拟合后可视化，摘要，推断
R语言鸢尾花iris数据集的层次聚类分析
介绍本文在数据集上展示了如何使用dendextend R软件包来增强Hierarchical Cluster Analysis（更好的可视化和灵敏度分析）。背景鸢尾花数据集我们可以看到，Setosa物种与Versicolor和Virgini
R语言调整随机对照试验中的基线协变量
随机对照试验构成通常被认为是用于评估某些干预或感兴趣治疗效果的金标准设计。参与者被随机分配到两个（有时更多）的群体这一事实确保了，至少在期望中，两个治疗组在测量的，重要的是可能影响结果的未测量因素方面是平衡的。因此，两组之间结果的差异可归因
R语言中的LDA模型：对文本数据进行主题模型topic modeling分析
主题建模在文本挖掘中，我们经常收集一些文档集合，例如博客文章或新闻文章，我们希望将其分成组，以便我们可以分别理解它们。主题建模是对这些文档进行无监督分类的一种方法，类似于对数字数据进行聚类，即使我们不确定要查找什么，也可以找到分组。潜在狄利
R语言Poisson回归的拟合优度检验
在这篇文章中，我们将看一下Poisson回归的拟合优度测试与个体计数数据。许多软件包在拟合Poisson回归模型时在输出中提供此测试，或者在拟合此类模型（例如Stata）之后执行此测试，这可能导致研究人员和分析人员依赖它。在这篇文章中，我们
在R语言中实现Logistic逻辑回归
逻辑回归是拟合回归曲线的方法，当y是分类变量时，y = f（x）。典型的使用这种模式被预测Ÿ给定一组预测的X。预测因子可以是连续的，分类的或两者的混合。R中的逻辑回归实现R可以很容易地拟合逻辑回归模型。要调用的函数是glm()，拟合过程与线
R语言文本主题模型之潜在语义分析（LDA:Latent Dirichlet Allocation）
文本分析：主题建模 目标定义主题建模解释Latent Dirichlet以及此过程的工作原理演示如何使用LDA从一组已知主题中找到主题结构演示如何使用LDA从一组未知主题中找到主题结构确定k选择适当参数的方法主题建模 通常，当我们在线搜索信
R语言中Gibbs抽样的Bayesian简单线性回归
贝叶斯分析的许多介绍都使用了相对简单的教学实例（例如，根据伯努利数据给出成功概率的推理）。虽然这很好地介绍了贝叶斯原理，但是这些原则的扩展并不是直截了当的。这篇文章将概述这些原理如何扩展到简单的线性回归。我将导出感兴趣参数的后验条件分布，给
R语言使用ARIMA模型预测股票收益时间序列
“预测非常困难，特别是关于未来”。丹麦物理学家尼尔斯·波尔（Neils Bohr）很多人都会看到这句名言。预测是这篇博文的主题。在这篇文章中，我们将介绍流行的ARIMA预测模型，以预测股票的收益，并演示使用R编程的ARIMA建模的逐步过程。
R语言蒙特卡洛计算和快速傅立叶变换计算矩生成函数
对精算科学来说，当我们处理独立随机变量的总和时，特征函数很有趣，因为总和的特征函数是特征函数的乘积。 介绍在概率论中，让 对于 和 对于 是一些随机变量的累积分布函数 ，即 。什么是矩生成函数 ，即 ？如何编写 ？在概率教科书
R语言风险价值VaR（Value at Risk）和损失期望值ES（Expected shortfall）的估计
风险价值VaR和损失期望值ES是常见的风险度量。首先明确：时间范围-我们展望多少天？概率水平-我们怎么看尾部分布？在给定时间范围内的盈亏预测分布，示例如图1所示。 图1：预测的损益分布 给定概率水平的预测的分位数。图2：带有分位数的预测损
R语言中的prophet预测时间序列数据模型
本文 将针对R进行的几次建模练习的结果，以魁北克数据为依据，分为13年的训练和1年的测试。prophet与基本线性模型（lm），一般加性模型（gam）和随机森林（randomForest）进行了比较。首先，设置一些选项，加载一些库，并更改工
用R语言模拟混合制排队随机服务排队系统
M / M / 1系统该系统的基本参数::使用M / M / 1系统进行仿真非常简单 。 例如， 可以快速可视化随时间变化的资源使用情况。在下面，我们可以看到仿真如何收敛到系统中理论上的平均客户数。 例如，还可以通过使用参数items和来可
R语言中实现层次聚类模型
大家好！在这篇文章中，我将向你展示如何在R中进行层次聚类。 什么是分层聚类？分层聚类是一种可供选择的方法，它可以自下而上地构建层次结构，并且不需要我们事先指定聚类的数量。该算法的工作原理如下：将每个数据点放入其自己的群集中。确定最近的两个群
热门文章
R语言中实现层次聚类模型
2023-02-07 10:34:04
R语言k折交叉验证
2023-02-07 10:34:04
R语言实现偏最小二乘回归法 partial least squares (PLS)回归
2024-09-25 10:14:09
R语言使用ARIMA模型预测股票收益时间序列
2023-02-10 10:10:49
R语言中的prophet预测时间序列数据模型
2023-02-07 10:34:04
R语言风险价值VaR（Value at Risk）和损失期望值ES（Expected shortfall）的估计
2023-02-07 10:34:04
- APP
