LinearRegression 是拟合一个带有回归系数的， 使得数据的实际观测值和线性近似预测的预测值之间的残差平方和最小的一个线性模型。 LinearRegression将采用它的 fit 方法去拟合数组x，y，并将线性模型的回归系数存储在它的coef_中：>>> from sklearn import linear_mod
转载
2024-04-26 11:31:13
41阅读
任务描述相关知识前言MSERMSEMAER-Squared编程要求函数说明测试说明任务描述本关任务：根据本关卡所学知识，用Python实现线性回归常用评估指标，并对构造的线性回归模型进行评估。相关知识为了完成本关任务，你需要掌握：1.均方误差(MSE)，2.均方根误差(RMSE)，3.平均绝对误差(MAE)，4.R-Squared。前言大家知道已经，机器学习通常都是将训练集上的数据对模型进行训练，
转载
2024-06-27 20:26:36
46阅读
指数平滑异同平均线(MACD)是在移动平均线的基础上发展而成的，它利用两条不同速度(一条变动速率较快的短期移动平均线，一条变动速度较慢的长期移动平均线)的指数平滑移动平均线来计算二者之间的差别状况(DIF)，作为研判行情的基础，然后再计算出DIF的9日平滑移动平均线，即MACD线。
指数平滑异同平均线(MACD)就是运用快速与慢速移动平均线聚合与
转载
2024-06-29 09:52:03
49阅读
1.1 简单指数平滑“simple exponential smoothing” (SES) SES适用于不计趋势与季节性的时间序列 - 使用最后一个值（naive模型） - 使用前面值的平均数（平均值） 这里的简单指数平滑是用的前面几个值的加权平均数，越靠近最后的权重越大，后面的权重指数下降 SES的公式如下 y^T+1|T=αyT+α(1−α)yT−1+α(1−α)2y
转载
2024-04-03 12:28:11
418阅读
文章目录原文章链接1、什么是一元线性回归1.2、线性回归解决什么问题1.3、实现一元线性回归1.4、使用sklearn实现一元线性回归2、多元线性回归2.2、使用sklearn实现多元线性回归2.3、MSE2.4、RMSE2.5、MAE2.6、R^22.7、模型评价方法总结3、多项式回归代码实现4、逻辑回归解决分类问题4.2、使用sklearn实现逻辑回归4.3、超参数使用4.4、多项式逻辑回归
（一）图像的空间域平滑为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。本文介绍空间域的几种平滑法。（二）局部平滑法 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。设有一幅N×N的图像f(
转载
2024-09-02 15:35:30
168阅读
指数平滑法（Exponential Smoothing，ES）目录1 什么是指数平滑法2 指数平滑法的基本公式3 指数平滑的预测公式3.1 （一） 一次指数平滑预测3.2 （二） 二次指数平滑预测3.3 （三） 三次指数平滑预测4 指数平滑法的趋势调整5 指数平滑法案例分析5.1 案例一:指数平滑法在销售预算
转载
2023-11-13 19:14:32
161阅读
本文以Kaggle上一个能源需求预测的案例为基础，实战演示指数平滑（Holt-Winters）方法应用全流程。调用模型虽简单，但是入模前的数据分析、处理，模型参数的优化、效果的分析亦尤为重要，能够分析全面产出最优的方案又显得不那么简单。本文期望通过一个简单场景，回顾ML应用的基本流程。导入模块import numpy as np
import pandas as pd
import matplot
转载
2024-06-28 10:37:23
395阅读
文章目录1. 回顾机器学习的基本思想2. 指数族分布2.1. 指数族分布由来的推导2.2. 指数族分布的特殊情形：伯努利分布和高斯分布2.3. 关于参数η如何求取的一点讨论2.4. 用广义线性模型(GLM)来对问题进行建模的几个基本假设3. 线性回归与普通最小二乘法（Ordinary Least Squares, OLS）3.1. 从指数族分布推导出线性回归模型3.2. 从极大似然估计导出cos
感谢：一、移动平均法（Moving average , MA）移动平均法又称滑动平均法、滑动平均模型。用处：一组最近的实际数据值->[预测]->未来一期或几期内公司产品需求量/公司产能。分类：简单移动平均 和 加权移动平均思想：根据时间序列资料，逐项推移， 依次计算包含一定项数的序时平均值， 以反映长期趋势。好处：时间序列数值受周期变动和随机波动影响起伏较大， 不容易显示事件发展趋势，
转载
2024-04-28 16:42:40
95阅读
摘要: 所有移动平均法都存在很多问题。它们都太难计算了。每个点的计算都让你绞尽脑汁。而且也不能通过之前的计算结果推算出加权移动平均值。移动平均值永远不可能应用于现有的数据集边缘的数据，因为它们的窗口宽度是有限 ...所有移动平均法都存在很多问题。它们都太难计算了。每个点的计算都让你绞尽脑汁。而且也不能通过之前的计算结果推算出加权移动平均值。移动平均值永远不可能应用于现有的数据集边缘的数据，因为它们
转载
2024-06-18 12:26:25
50阅读
今年前12个月，iPhone XS将售出多少部?在埃隆·马斯克(Elon musk)在直播节目中吸食大麻之后，特斯拉的需求趋势是什么?这个冬天会暖和吗?(我住在加拿大。)如果你对这些问题感到好奇，指数平滑法可以通过建立模型来预测未来。指数平滑方法为过去的观测分配指数递减的权重。得到的观测值越近，权重就越大。例如，与12个月前的观测结果相比，对上个月的观测结果给予更大的权重是合理的。上图为指数平滑权
转载
2023-07-07 23:36:43
627阅读
目录时间序列指数平滑一次指数平滑预测示例二次指数平滑预测示例三次指数平滑 本博客参考：《python数学实验与建模 》时间序列时间序列数据是按照时间顺序排列的、随着时间变化且相互关联的数据序列，这类数据往往反映了某一事物、现象等随时间的变化状态或程度。 常用的时间序列预测方法有多种：移动平均法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预
转载
2023-10-06 11:07:56
632阅读
一次移动平均实际上认为近N期数据对未来值影响相同，都加权 1/N；而 N 期以前的数据对未来值没有影响，加权为0。但是，二次及更高次移动平均数的权数却不是 1/N，且次数越高，权数的结构越复杂，但永远保持对称的权数，即两端项权数小，中间项权数大，不符合一般系统的动态性。一般来说历史数据对未来值的影响随时间间隔的增长而递减的。所以，更切合实际的方法应是对各期观测值依时间顺序进行加权平均值
转载
2023-07-01 19:30:15
258阅读
1. 指数平滑的定义及应用场景 指数平滑由布朗提出、他认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。指数平滑法是移动平均法中的一种，其特点在于给过去的观测值不一样的权重，即较近期观测值的权数比较远期观测值的权数要大。根据平滑次数不同，指数平滑法分为一次指数平滑法、二次指数平滑法和三次指数平滑法等
转载
2023-10-16 22:40:13
218阅读
# 使用R语言进行指数函数的线性回归分析
线性回归是一种广泛使用的统计方法，旨在研究一个或多个自变量与因变量之间的关系。当因变量呈指数增长趋势时，标准线性回归可能无法有效捕捉这种关系。在这种情况下，我们可以通过变换数据，将其转换为线性关系，从而使用线性回归模型进行分析。
在本文中，我们将探讨如何使用R语言进行指数函数的线性回归分析，并通过示例代码阐明其应用。
## 1. 理论基础
线性回归
原创
2024-08-07 12:36:57
160阅读
# Python指数平滑
指数平滑（Exponential Smoothing）是一种用于时间序列预测的常用方法。在Python中，我们可以使用statsmodels库来实现指数平滑算法。本文将介绍指数平滑的概念、原理，并给出一个使用Python实现指数平滑的示例代码。
## 指数平滑的概念
指数平滑是一种基于加权移动平均的方法，用于预测时间序列中的未来数值。它的核心思想是对历史数据进行加权
原创
2024-01-28 06:10:32
197阅读
这个系列将记录下本人平时在深度学习方面觉得实用的一些trick，可能会包括性能提升和工程优化等方面。 该系列的代码会更新到Github炼丹系列1: 分层学习率&梯度累积炼丹系列2: Stochastic Weight Averaging (SWA) & Exponential Moving Average(EMA)炼丹系列3: 分类模型-类别不均衡问题之loss设计Exponent
转载
2024-09-05 12:32:33
273阅读
目录1 指数平滑2 一次指数平滑预测（又叫简单指数平滑，simple exponential smoothing， SES）2.1 定义2.2 例题3 二次指数平滑法（Holt’s linear trend method）3.1 定义3.2 例题4 三次指数平滑预测（Holt-Winters’ seasonal method）4.1 定义4.2 例题5 加权系数a的选择6 Ho
转载
2023-09-20 13:42:33
419阅读
Abstract：本文主要以实践的角度介绍指数平滑算法，包括：1）使用 ExponentialSmoothing 框架调用指数平滑算法；2）文末附有“使用python实现指数平滑算法（不确定写得对不对，T_T）”。此外，指数平滑算法的理论知识以参考链接的方式进行整理。Referencehttps://www.statsmodels.org/stable/generated/statsmodels.
转载
2024-06-18 22:06:42
109阅读
