时间序列预测首先要确定预测的内容。本文预测共享单车的日租借量使用的是每日数据预测的时间范围是需要提前一个月、半年还是一年？根据预测范围，会使用到不同的模型。首先安装加载本文所需要的包install.packages("modeltime")library(tidymodels)
library(modeltime)
library(timetk)
library(lubridate)
librar
转载
2023-07-19 13:19:27
0阅读
R语言做滚动garch模型 roll-garch model前几天做了一个滚动garch模型，刚开始没搞清楚，走了很多弯路，最后终于搞好了。 接下来就是分析我写roll-garch的思路。其实roll-garch模型在rugarch里面其实是有的。但是，我也看了开发者写的文档，如果你希望更快，更复杂的滚动garach模型，你就要自己写函数。我的天，我哪里会，其实我连garch模型都没搞懂，但是我会
转载
2023-06-07 12:48:39
207阅读
前言第1章 概率统计模型11.1 数据的描述性分析11.1.1 数据的数字特征11.1.2 随机变量的分布51.1.3 常用的分布61.1.4 数据的图形描述91.2 参数的区间估计与假设检验131.2.1 单个总体的区间估计与假设检验131.2.2 两个总体的区间估计与假设检验141.2.3 区间估计与假设检验的计算161.2.4 两个正态总体方差比σ21/σ22的估计与检验221.3 非参数检
目录前言一、第1问1.1 计算模型中等待时间t2MATLAB程序1.2 计算模型中等待时间t2（灵敏度分析）MATLAB程序二、第2问2.1 代入t2到模型进行计算MATLAB程序2.2 代入t2到模型进行计算（灵敏度分析）MATLAB程序三、第3问3.1 第3问求解MATLAB程序3.2 第3问仿真MATLAB程序四、第4问4.1 第4
自从Python流行后，R貌似逐渐被人遗忘，可是，每款语言和工具都有它存在的价值，R也具有强大的可视化功能，你真的了解R吗？还是说，掌握了Python就不用再掌握R了。本文科普性的介绍下R，带你走进R的世界。R是一种应用统计软件和语言，主要为统计计算和绘图而生，而且R是一套开源的数据分析解决方案。它主要包括简单却很强大的R语言、数据存储和处理、数据运算工具、完整的统计分析工具、优秀的统计可视化以及
R语言时间序列分析之ARIMA模型预测 今天学习ARIMA预测时间序列。 指数平滑法对于预测来说是非常有帮助的而且它对时间序列上面连续的值之间相关性没有要求。但是如果你想使用指数平滑法计算出预测区间 那么预测误差必须是不相关的 而且必须是服从零均值、 方差不变的正态分布。即使指数平滑法对时间序列连续数值之间相关性没有要求在某种情况下 我们可以通过考虑数据之间的相关性来创建更好的预
转载
2023-08-21 19:23:03
208阅读
目录0引言1、课本介绍1.1理论的书1.2 R语言的书2、构造数据3、相关性分析4、多元回归模型的建立4.1建立模型5.2模型分析5.3方差分析表5、变量选择5.1 逐步回归5.2所有子集法5.3套索法6、回归模型常用函数总结7、参考文献 0引言在毕业实用模型一1、二2、三3中介绍了时间序列模型的建模思路与在R语言中的调参，今天来讲解一下回归模型的建模思路和实现。 在这里你将会学到：推荐的回归模
本文介绍caret包中的建立模型及验证的过程。主要涉及的函数有train()，predict()，confusionMatrix()，以及pROC包中的画roc图的相关函数。建立模型在进行建模时，需对模型的参数进行优化，在caret包中其主要函数命令是train。 train(x, y, method = "rf", preProcess = NULL, ...,
weights
转载
2023-08-16 09:53:43
44阅读
深度学习R语言 mlr3 建模，训练，预测，评估（随机森林，Logistic Regression）本文主要通过使用mlr3包来训练German credit数据集，实现不同的深度学习模型。1. 加载R使用环境# 安装官方包，一般情况下大部分常用的包都可以官方安装
# install.packages("tidyverse")
# install.packages("bruceR")
#
# #
转载
2023-05-23 21:54:03
456阅读
概述本文使用Kaggle上的一个公开数据集，从数据导入，清理整理一直介绍到最后数据多个算法建模，交叉验证以及多个预测模型的比较全过程，注重在实际数据建模过程中的实际问题和挑战，主要包括以下五个方面的挑战：缺失值的挑战异常值的挑战不均衡分布的挑战(多重)共线性的挑战预测因子的量纲差异以上的几个主要挑战，对于熟悉机器学习的人来说，应该都是比较清楚的，这个案例中会涉及到五个挑战中的缺失值，量纲和共线性问
转载
2023-09-14 16:26:57
263阅读
文章目录预测性建模之线性回归模型假设模型理论结果模型诊断变量选择：案例分析数据描述查看数据基本特征及其分布模型拟合：模型检验：检验残差异常值的检验：自相关性检验：多重共线性的检验：总结参考代码 本次报告的主要目的是结合回归分析的理论来对实际mlr数据进行分析，并且分析得到的结果。本次报告的主要内容：介绍原理，介绍回归分析的原理。案例分析，结合mlr.csv中的数据，使用回归模型来拟合。总结，总结
转载
2023-08-02 09:20:22
307阅读
R语言中如何使用回归模型进行预测在R语言中为了拟合一个线性回归模型，我们可以使用lm()函数。函数用法如下：model <- lm(y ~ x1 + x2, data=df)我们可以像下面这样用拟合得到的线性回归模型预测新数据的结果：predict(model, newdata = new)（这里使用了新的数据“new”，下文有具体的例子） 下面结合几个例子介绍在R语言中如何使用线性回归模型
转载
2023-07-05 19:49:44
634阅读
目录相关性分析回归性分析线性回归模型的介绍回归系数的求解R语言中的线性回归显著性检验参数的显著性检验——t检验逐步回归 验证模型的各类假设前提多重线性检验正态性检验使用PP图或QQ图shapior检验与k-s检验数学变换独立性检验 方差齐性检验模型预测相关性分析绘制散点图先观察相关性根据相关系数进行计算 如pearson相关系数相关关系 的绝对值0.8 则高度相关 0.5到0.
转载
2023-06-20 13:31:46
122阅读
外推预测法是根据过去和现在的发展趋势推断未来的一类方法的总称。因为外推预测法基于过去的行为数据，所以它是保守的。通常可以使用时间序列数据或横截面数据进行外推预测。对于横截面数据进行外推的情况，比如可以使用一些州枪支法律改变的行为反应来预测其它州的反应。当外推的结果与真实的结果不一致时，外推就不再保守了。此时，可以考虑加入判断，合并到外推的结果中。那么有哪些方法可以合并一些知识到外推的结果中呢？（1
说话人识别这里，博主对说话人两个baseline模型应该matlab的MSR工具箱进行处理。1、GMM-UBM说话人识别
这里主要分为4个步骤：
1、训练UBM通用背景模型
2、最大后验准则MAP从UBM通用背景模型里面训练每一个说话人的声学模型
3、交叉得分
4、计算最终的测试效果，这里用AUC和EER表示，可以方便与最近的深度学习方法做比较。
预测模型在各个领域都越来越火，今天的分享和之前的临床预测模型背景上有些不同，但方法思路上都是一样的，多了解各个领域的方法应用，视野才不会被局限。今天试图再用一个实例给到大家一个统一的预测模型的做法框架（R中同样的操作可以有多种多样的实现方法，框架统一尤其重要，不是简单的我做出来就行）。而是要：eliminate syntactical differences between many of the
转载
2023-06-20 09:11:43
412阅读
目录1 灰色预测模型1.1 灰色系统的定义与特点1.2 灰色预测模型优缺点1.3 灰色生成数列1.4 灰色模型GM(1,1)实操步骤1 数据检验2 构建灰色模型3 检验预测值4 灰色预测模型实例代码目前我们学习预测模型的第一类：灰色预测模型。1 灰色预测模型 Gray Forecast
Prophet 是 Facebook 推出的开源大规模预测工具，可以在 R 和 Python 中使用以预测时间序列数据。下面将简单介绍 Prophet 在 R 中的使用。一、基础介绍下面实例中使用的是佩顿 · 曼宁的维基百科主页每日访问量的时间序列数据(2007/12/10 – 2016/01/20)。我们使用 R 中的 Wikipediatrend 包获取该数据集。这个数据集
在对短期数据的预测分析中，我们经常用到时间序列中的指数平滑做数据预测，然后根据不同。下面我们来看下具体的过程x<-data.frame(rq=seq(as.Date('2016-11-15'),as.Date('2016-11-22'),by='day'),
sr=c(300,697,511,1534,1155,1233,1509,1744))
xl<-ts(x$
转载
2023-07-08 14:35:38
166阅读
# 习题2
# 2.1
x=c(1,2,3)
y=c(4,5,6)
e=c(rep(1,3))
z=2*x+y+e;z
x%*%y # 若x，y如答案那样定义为矩阵，则不能用%*%,因为，维数不对应，
x%o%y
# 答案
x<-matrix(1:3,nrow=3)
y<-matrix(4:6,nrow=3)
e<-matrix(c(1,1,1),nrow=3)
z<-
转载
2023-06-06 22:03:13
169阅读
