活动
数学建模算法与应用 第11章 偏最小二乘回归及其方法
偏最小二乘回归（Partial Least Squares Regression, PLS）是一种用于分析多个自变量和因变量之间关系的多元统计方法，特别适用于当自变量之间存在多重共线性，或自变量数量大于样本数量的情况。PLS通过同时对自变量和因变量进行降维，提取出一组潜在变量来建立回归模型。
数学建模算法与应用 第9章 支持向量机及其方法
支持向量机（Support Vector Machine, SVM）是一种监督学习方法，广泛应用于分类和回归分析中。它通过寻找最优分隔超平面来最大化类别之间的间隔，是一种强大且高效的机器学习算法。
Python统计学13——回归的多重共线性、异方差、自相关的检验
Python统计学13——回归的多重共线性、异方差、自相关的检验
R语言连续型变量回归分析预测
回归分析是统计学和数据科学中最常用的分析方法之一，特别是在预测和解释连续型变量之间关系方面具有重要作用。本文将详细介绍如何在R语言中进行连续型变量的回归分析与预测，涵盖数据准备、模型构建、诊断分析、模型选择、模型评估、以及预测等各个方面。
Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化
使用lasso变量构建数据集并使用lasso和 glm识别这些预测变量 。使用lasso正则化去除冗余预测变量创建一个X 包含 100 个观测值和 10 个预测变量的随机矩阵 。y 仅使用四个预测变量和少量噪
r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
介绍Glmnet是一个通过惩罚最大似然来拟合广义线性模型的包。正则化路径是针对正则化参数λ的值网格处的套索或弹性网络罚值计算的。该算法速度极快，可以利用输入矩阵中的稀疏性x。它符合线性，逻辑和多项式，泊松和Cox回归模型。可以从拟合模型中做
热门文章
Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化
2023-02-15 09:58:40
r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
2023-02-07 10:34:04
R语言连续型变量回归分析预测
2024-08-02 09:08:33
Python统计学13——回归的多重共线性、异方差、自相关的检验
2024-10-18 09:52:58
数学建模算法与应用 第9章 支持向量机及其方法
2024-10-29 09:04:56
数学建模算法与应用 第11章 偏最小二乘回归及其方法
2024-10-29 09:04:56
- APP
