拓端小助手的博客_原创(19)

数据挖掘：香水电商销售策略分析

“就香水市场份额而言，亚洲占全球销售额的8%，仅占拉丁美洲的20%，而中国仅占全球销售额的0.8%。从国际市场角度来看，香水市场是一个438.9亿美元的产业，每年至少有300种新产品推出。”要点提示在法国，香水就像衣食住行一样不可或缺，而占世界人口约20%的中国，只占全球香水销售的1.5%。国内消费者不习惯使用香水。购买的香水往往只在出席特殊场合时使用。

数据挖掘

原创 2021-07-01 17:18:44 365 阅读

R语言用LOESS(局部加权回归)季节趋势分解（STL）进行时间序列异常检测

这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法。我们将对一种叫做STL的算法进行研究，STL是 "使用LOESS(局部加权回归)的季节-趋势分解 "的缩写，以及如何将其应用于异常检测。其基本思想是，如果你有一个有规律的时间序列，你可以通过STL算法运行该序列，并分离出规律的模式。剩下的是 "不规则的"，而异常检测相当于判定不规则性是否足够大

R语言

原创 2021-07-01 17:17:23 1157 阅读

R语言:状态空间模型和卡尔曼滤波预测酒精死亡人数时间序列

摘要状态空间建模是一种高效、灵活的方法，用于对大量的时间序列和其他数据进行统计推断。本文介绍了状态空间建模，其观测值来自指数族，即高斯、泊松、二项、负二项和伽马分布。在介绍了高斯和非高斯状态空间模型的基本理论后，提供了一个泊松时间序列预测的说明性例子。最后，介绍了与拟合非高斯时间序列建模的其他方法的比较。绪论状态空间模型为几种类型的时间序列和其他数据的建模提供了一个统一的框架。

R语言

原创 2021-07-01 17:16:05 397 阅读

Python中用Prophet模型对天气时间序列进行预测与异常检测

方法Prophet异常检测使用了Prophet时间序列预测。基本的Prophet模型是一个可分解的单变量时间序列模型，结合了趋势、季节性和节假日效应。该模型预测还包括一个围绕估计的趋势部分的不确定性区间。另外，完全的贝叶斯推断也可以以增加计算量为代价。然后，不确定性区间的上限和下限值可以作为每个时间点的离群点阈值。首先，计算从观测值到最近的不确定度边界（上限或下限）的距离。

序列

原创 2021-07-01 17:14:34 1478 阅读

R语言乘法GARCH模型对高频交易数据进行波动性预测

在过去十年中，人们对高频交易和模型的兴趣成倍增长。虽然我对高频噪音中出现信号的有效性有一些怀疑，但我还是决定使用GARCH模型研究一下收益率的统计模型。与每日和较低频率的收益不同，日内高频数据有某些特殊的特点，使得使用标准的建模方法是无效的。在这篇文章中，我将使用花旗集团2008年1月2日至2008年2月29日期间的1分钟收益率。

R语言

原创 2021-07-01 17:12:59 617 阅读

R语言实现贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析

摘要贝叶斯回归分位数在最近的文献中受到广泛关注，本文实现了贝叶斯系数估计和回归分位数（RQ）中的变量选择，带有lasso和自适应lasso惩罚的贝叶斯。还包括总结结果、绘制路径图、后验直方图、自相关图和绘制分位数图的进一步建模功能。简介回归分位数（RQ）由（Koenker和Gilbert，1978）提出，将感兴趣的结果的条件分位数作为预测因子的函数来建模。

R语言

原创 2021-07-01 17:11:03 854 阅读

R语言Lasso回归模型变量选择和糖尿病发展预测模型应用（含练习）

Lease Absolute Shrinkage and Selection Operator（LASSO）在给定的模型上执行正则化和变量选择。根据惩罚项的大小，LASSO将不太相关的预测因子缩小到（可能）零。因此，它使我们能够考虑一个更简明的模型。在这组练习中，我们将在R中实现LASSO回归。练习1加载糖尿病数据集。这有关于糖尿病的病人水平的数据。

R语言

原创 2021-07-01 17:08:53 866 阅读

R语言关联规则模型(Apriori算法)挖掘杂货店的交易数据与交互可视化

关联规则挖掘是一种无监督的学习方法，从交易数据中挖掘规则。它有助于找出数据集中的关系和一起出现的项目。在这篇文章中，我将解释如何在R中提取关联规则。关联规则模型适用于交易数据。交易数据的一个例子可以是客户的购物历史。数据分析的第一件事是了解目标数据结构和内容。出于学习的目的，我认为使用一个简单的数据集更好。

R语言

原创 2021-07-01 17:07:23 1053 阅读

MATLAB中用BP神经网络预测人体脂肪百分比数据

原这个例子说明了一个函数拟合的神经网络如何根据测量结果来估计脂肪百分比(BFP)。问题：估计脂肪百分比在这个例子中，我们试图建立一个神经网络来估计一个人的脂肪百分比，这个人由13个物理属性描述。年龄体重身高颈围胸围腹部周长臀围大腿周长膝盖周长踝关节周长肱二头肌(伸展)周长前臂周长

网络预测

原创 2021-07-01 17:05:09 394 阅读

R语言 PCA(主成分分析)，CA(对应分析)夫妻职业差异和马赛克图可视化

主成分分析法是数据挖掘中常用的一种降维算法,是Pearson在1901年提出的,再后来由hotelling在1933年加以发展提出的一种多变量的统计方法，其最主要的用途在于“降维”，通过析取主成分显出的最大的个别差异,也可以用来削减回归分析和聚类分析中变量的数目，与因子分析类似。所谓降维，就是把具有相关性的变量数目减少，用较少的变量来取代原先变量。

R语言

原创 2021-07-01 17:04:14 1356 阅读

R语言用相关网络图可视化分析汽车配置和饮酒习惯

R语言

原创 2021-07-01 17:02:38 368 阅读

Python风险价值计算投资组合VaR（Value at Risk ）、期望损失ES（Expected Shortfall）

计算获得多资产投资组合的风险度量。关键概念随着价格的变动，投资经理所持有的市场价值也会发生变化。后者就是所谓的市场风险，衡量它的最流行的方法之一是定义为风险价值。风险本身被看作是实际收益和期望收益之间的差异，两者可能不同。如果它们相等，投资被认为是无风险的。同时，它不能有违约风险，也不能有再投资风险。

风险

原创 2021-07-01 17:01:51 2502 阅读

R语言计量经济学：虚拟变量(哑变量)在线性回归模型中的应用

为什么需要虚拟变量？大多数数据都可以用数字来衡量，如身高和体重。然而，诸如性别、季节、地点等变量则不能用数字来衡量。相反，我们使用虚拟变量来衡量它们。例子：性别让我们假设x对y的影响在男性和女性中是不同的。对于男性y=10+5x+ey=10+5x+e对于女性y=5+x+ey=5+x+e。其中e是随机效应，平均值为零。因此，在y和x的真实关系中，性别既影响截距又影响斜率。

R语言

原创 2021-07-01 17:00:04 4787 阅读

R语言用lme4多层次（混合效应）广义线性模型（GLM），逻辑回归分析教育留级调查数据

本教程为读者提供了使用频率学派的广义线性模型（GLM）的基本介绍。具体来说，本教程重点介绍逻辑回归在二元结果和计数/比例结果情况下的使用，以及模型评估的方法。本教程使用教育数据例子进行模型的应用。此外，本教程还简要演示了用R对GLM模型进行的多层次扩展。最后，还讨论了GLM框架中的更多分布和链接函数。本教程包含以下结构。1. 准备工作。2. 介绍GLM。

R语言

原创 2021-07-01 16:59:08 2247 阅读

R语言用Hessian-free 、Nelder-Mead优化方法对数据进行参数估计

主要优化方法的快速概述我们介绍主要的优化方法。我们考虑以下问题.无导数优化方法Nelder-Mead方法是最著名的无导数方法之一，它只使用f的值来搜索最小值。过程：设置初始点x1,...,xn+1 对点进行排序，使得f(x1)≤f(x2)≤⋯≤f(xn+1)。计算xo作为x1,...,xn的中心点。反射计算反射点xr=xo+α（xo-xn+1）。如果f(x1)≤f(x...

R语言

原创 2021-07-01 16:58:00 920 阅读

R语言k-means聚类、层次聚类、主成分（PCA）降维及可视化分析鸢尾花iris数据集

问题：使用R中的鸢尾花数据集(a)部分：k-means聚类使用k-means聚类法将数据集聚成2组。画一个图来显示聚类的情况使用k-means聚类法将数据集聚成3组。画一个图来显示聚类的情况(b)部分：层次聚类使用全连接法对观察值进行聚类。使用平均和单连接对观测值进行聚类。绘制上述聚类方法的树状图。

R语言

原创 2021-07-01 16:57:03 7990 阅读

R语言多元时间序列滚动预测：ARIMA、回归、ARIMAX模型分析

当需要为数据选择最合适的预测模型或方法时，预测者通常将可用的样本分成两部分：内样本（又称 "训练集"）和保留样本（或外样本，或 "测试集"）。然后，在样本中估计模型，并使用一些误差指标来评估其预测性能。如果这样的程序只做一次，那么这被称为 "固定原点 "评估。然而，时间序列可能包含离群值，一个差的模型可能比更合适的模型表现得更好。为了加强对模型的评估，我们使用了一种叫做 "滚动原点 "的方法。

R语言

原创 2021-07-01 16:55:57 7090 阅读

R语言投资组合优化求解器：条件约束最优化、非线性规划求解

本文将介绍R中可用于投资组合优化的不同求解器。通用求解器通用求解器可以处理任意的非线性优化问题，但代价可能是收敛速度慢。默认包包stats（默认安装的基本R包）提供了几个通用的优化程序。optimize()。用于区间内的一维无约束函数优化（对于一维求根，使用uniroot()）。f <- function(x) exp(-0.5*x) * sin(10*pi*x)f(0.5)result &.

R语言

原创 2021-07-01 16:54:35 4212 阅读

Python蒙特卡罗（Monte Carlo）模拟计算投资组合的风险价值（VaR）

如何使用Python通过蒙特卡洛模拟自动计算风险值（VaR）来管理投资组合或股票的金融风险。金融和投资组合风险管理中的VaR？VaR是 "风险价值 "的缩写，是许多公司和银行用来确定其公司内部金融风险水平的工具。风险值是为公司的投资而计算的，也可能是为检查银行或公司所管理的投资组合的风险水平。该计算可以被认为是一种统计方法。

金融

原创 2021-07-01 16:53:44 6258 阅读

拓端tecdat|R语言聚类有效性：确定最优聚类数分析IRIS鸢尾花数据和可视化

数据集概述这个数据集常用于数据概述、可视化和聚类模型。它包括三个鸢尾花品种，每个品种有50个样本，以及一些属性。其中一个花种与其他两个花种是线性可分离的，但其他两个花种之间不是线性可分离的。这个数据集的给定列是:i> Idii> 萼片长度(Cm)iii>萼片宽度(Cm)iv> 花瓣长度(Cm)v> 花瓣宽度 (Cm)vi> 品种让我们把这个数据集可视化，并用kmeans进行聚类。

R语言

原创 2021-07-01 16:52:46 176 阅读

拓端tecdat|R语言用igraph绘制网络图可视化

这篇文章假定你已经知道如何用igraph库建立一个基本的网络图。基本上，igraph允许将几种类型的输入转化为一个图形对象，可以使用plot()函数绘制，如下所示。# 创建数据network <- graph(data , mode='undirected')# 默认网络plot(network)自定义节点功能节点可以修改几个参数，这些参数都以顶点开始。顶点是igraph语言中的一个节点。主

R语言

原创 2021-07-01 16:51:08 330 阅读

拓端tecdat|调查数据倾听大学生外卖需求

随着社会经济的发展，饮食生活已经逐渐融入了我们的日常生活世界，每天都不可避免地在 "吃 "的问题上有更多的考虑，吃好、吃多已经不再是我们的烦恼。要点提示外卖的盛行已经成为各地的普遍现象，越来越多的大学生喜欢呆在宿舍里，用电脑来解决一天的生活问题，

大学生需求

原创 2021-07-01 16:48:19 372 阅读

R语言计算资本资产定价模型(CAPM)中的Beta值和可视化

原文链接：http://tecdat.cn/?p=22588 原文出处：拓端数据部落公众号今天我们将计算投资组合收益的CAPM贝塔。这需要拟合一个线性模型，得到可视化，从资产收益的角度考虑我们的结果的意义。简单的背景介绍，资本资产定价模型（CAPM）是由威廉·夏普（William Sharpe）创建的一个模型，它根据市场收益和资产与市场收益的线性关系来估算资产的收益。这种线性关系就是股票

R语言计算资本资产定价模型(CAPM)中

原创 2021-06-10 11:49:31 2748 阅读

R语言极值推断：广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法

原文链接：http://tecdat.cn/?p=22566 原文出处：拓端数据部落公众号本文是极端值推断的内容。我们在广义帕累托分布上使用最大似然方法。极大似然估计在参数模型的背景下，标准技术是考虑似然的最大值（或对数似然）。考虑到一些技术性假设，如，的某个邻域，那么其中表示费雪信息矩阵。在此考虑一些样本，来自广义帕累托分布，参数为，因此如果我们解决极大似然的

R语言极值推断：广义帕累托分布GPD使用

原创 2021-06-10 11:49:05 2022 阅读

新零售消费者特征的数据视野

新零售,顾名思义,就是与传统零售完全不同的,一种新的零售模式。要点提示其价值在于最大程度提升全社会流通零售业的运转效率。建立一个以消费者体验为中心的数据驱动的零售形态。现在新零售已经渗透到我们生活到方方面面，如无人便利店、无人售卖机、小米之家、永辉生活、便利蜂、盒马鲜生、星巴克、新零售智慧门店等。

数据

原创 2021-06-10 11:48:34 546 阅读

Python随机波动率(SV)模型对标普500指数时间序列波动性预测

原文出处：拓端数据部落公众号资产价格具有随时间变化的波动性（逐日收益率的方差）。在某些时期，收益率是高度变化的，而在其他时期则非常平稳。随机波动率模型用一个潜在的波动率变量来模拟这种情况，该变量被建模为随机过程。下面的模型与 No-U-Turn Sampler 论文中描述的模型相似，Hoffman (2011) p21。这里

Python随机波动率(SV)模型对标

原创 2021-06-10 11:48:08 1725 阅读

R语言在地图上绘制散点饼图可视化

我们在ggplot2中制作的饼实际上是一个条形图转换为极坐标。如果我们想制作一个像上面截图那样的地图，这就很困难了。但在地图上绘制饼图时，它也有自己的缺点。首先，当我们绘制大量的饼图时，它以光栅图像的形式渲染，使得它的渲染速度很慢。本文创建了一个封装函数，使其更容易绘制一组饼图。例如，假设我们有以下数据。 set.se

R语言

地图

可视化

原创 2021-06-10 11:47:30 2110 阅读

使用R语言进行多项式回归、非线性回归模型曲线拟合

原文出处：拓端数据部落公众号今天我们将计算投资组合收益的CAPM贝塔。这需要拟合一个线性模型，得到可视化，从资产收益的角度考虑我们的结果的意义。简单的背景介绍，资本资产定价模型（CAPM）是由威廉·夏普（William Sharpe）创建的一个模型，它根据市场收益和资产与市场收益的线性关系来估算资产的收益。这种线性关系就是股票

R语言多项式回归、非线性回归模型

进行多项式回归非线性回归模型

原创 2021-06-10 11:46:15 3134 阅读

电商行业智能推荐引擎的探索：机器学习助力母婴电商

原文：http://tecdat.cn/?p=984电商行业智能推荐引擎的探索机器学习助力母婴电商概要拓端帮助国内母婴电商公司创建智能推荐引擎，由此打造精准、高效的购物体验，探索如何在大规模数据上实现各种推荐策略，进行策略优化，构建高效的推荐引擎的解决方案。业务挑战随着电商网站用户数量和商品数量的增加，数据成为影响推荐质量的重要因素。作为电子商务中一个热门领...

电商

原创 2021-05-20 22:08:15 261 阅读

模型退火的投资组合优化

本文将模拟退火（SA）算法应用于投资组合优化问题。模拟退火（SA）是一种通用的概率和元启发式搜索算法，可用于找到以具有多个最优的大搜索空间为特征的优化问题的可接受解决方案。投资组合优化涉及在资产之间分配资本，以最大化风险调整回报。基本模拟退火算法该算法的灵感来自冶金退火中的随机过程，其中材料被反复加热和冷却。这样做是为了增加材料晶体的尺寸并减少其缺陷。这些材料特性取决于材料中通过加热...

数据

原创 2021-05-20 22:07:09 447 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

拓端小助手