灰色预测法基本内容目录灰色预测法基本内容一、灰色预测的概念二、灰色预测的类型三、为了弱化原始时间序列的随机性 四、关联度 五、GM（1，1）模型的建立六、GM（n，h）模型一、灰色预测的概念1、灰色预测法是一种对含有不确定因素的系统进行预测的方法。灰色系统是介于白色系统和黑色系统之间的一种系统。2、白色系统是指一个系统的内部特征是完全已知的，即系统的信息是完全充分的。而黑色系
转载
2023-12-10 10:36:09
79阅读
灰色预测的步骤 前两篇博客说到了，和，通过已有的数据，建立对应的模型，可以实现对未来数据的预测。但是，在进行建模之前，我们必须确保数据是有效的，才能保证模型是可行的。并且对模型还需要进行检验，说明模型是可靠的。那么，此次就来说说灰色预测的基本步骤，总共包括四个步骤：数据检验与处理模型建立模型检验数据预测数据检验与处理 在我们进行建模前，必须要确保数据是可靠的，数据的检验是必不可少的，如果不
转载
2023-11-16 14:27:16
437阅读
?开发平台：jupyter lab?运行环境：python3、TensorFlow2.x----------------------------------------------- 2022.9.16 测验成功 ----------------------------------------------------------------1. 时间序列预测：用电量预测 01 数据分析与建模2.
转载
2024-05-17 18:19:36
220阅读
LLC初步分析基波分析法用基波分析法分析的原因用基波分析法分析的条件用基波分析法分析的目的用基波分析法分析的适用范围基于基波等效法分析LLC的等效模型LLC的输入等效模型LLC的输出等效模型LLC增益 基波分析法该章节介绍用基波分析法分析LLC的原因、条件、目的和适用范围用基波分析法分析的原因LLC变换依靠近似基波传输能量，所以需要采样基波分析法。用基波分析法分析的条件LLC电路含有LC谐振回路
转载
2024-06-24 14:23:00
137阅读
一、概述（F检验）显著性检验：检测自变量是否真正影响到因变量的波动。（t检验）回归系数检验：单个自变量在模型中是否有效。二、回归模型检验检验回归模型的好坏常用的是F检验和t检验。F检验验证的是偏回归系数是否不全为0（或全为0），t检验验证的是单个自变量是否对因变量的影响是显著的（或不显著）。F检验和t检验步骤：提出问题的原假设和备择假设在原假设的条件下，构造统计量根据样本信息，计算统计量的值对比统
转载
2023-07-14 10:19:21
1042阅读
文章目录前言一、主成分适用性检验二、KMO检验1.计算公式2.Matlab代码总结 前言 主成分分析已经越来越成为人们广泛应用的多元统计分析方法。但应用中盲目套用主成分分析方法的情况很多, 而对主成分分析的适用性, 主成分个数的合理性等问题重视不够, 更谈不上对主成分分析进行统计检验。 为此, 为了更好应用主成分分析, 就应对主成分分析结果进行统计检验并建立统计检验体系。其中不可或缺的一步便是
转载
2023-10-05 21:28:32
825阅读
Delong检验一、Delong检验的作用用于比较两个ROC曲线的性能，Delong检验是用于AUC面积的显著性检验的。如果两个模型的AUC大小有异但是没有通过Delong检验，那么也不能说明这两个模型有显著的不同。总之，Delong检验就是一种统计学上用于检验AUC显著性的检验方法。二、Delong检验的原理Delong检验本质上是构造一个变量，这个变量涉及了用于比较的两个AUC值，并且是服从或
转载
2023-08-25 10:28:15
2012阅读
# Python实现F检验
在统计学中，F检验用于比较两个方差是否相等。在Python中，我们可以使用`scipy`库来进行F检验。本文通过一个具体的案例来演示如何使用Python进行F检验。
## 问题描述
假设我们有两组数据，分别代表两种不同的产品的销售额。我们想要检验这两组数据的方差是否相等，以确定两种产品的销售额是否存在显著差异。
## 数据准备
首先，我们需要准备两组数据，用于
原创
2024-03-28 04:30:27
192阅读
灰色预测模型主要特点是模型使用的不是原始数据序列，而是生成的数据序列，核心体系为灰色模型（GM），即对原始数据作做累加生成（累减生成，加权邻值生成）得到近似指数规律再进行建模。优点：不需要很多数据；将无规律原始数据进行生成得到规律性较强的生成序列。缺点：只适用于中短期预测，只适合指数增长的预测。GM(1,1)预测模型GM(1,1)模型是一阶微分方程，且只含一个变量。模型预测方法模型预测步骤数据检验
转载
2023-09-24 16:50:08
357阅读
公式推导连接本文的目的是用Python和类对灰色预测进行封装二、原理简述1.灰色预测概述灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类：(1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。(2) 畸变预测（灾变预测）。通过模型预测异常值出现的时刻，
Boosting(提升)集成学习的一种方法。相比于bagging的并行式，boosting是序列式或者串行的方式，各个基分类器间有依赖关系。
类似于我们人类的学习方式。在学习一些知识的过程中，通过某种方式比如月考期中期末考试，有些知识点我们确认已经较为掌握，可有的知识点我们通过测验发现做错了，自己掌握的并不好，因此，会着重去练习犯错的知识点，以期降低错误率。
对于原始训练集，第一次我们训练了一个弱
1、作用对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因此，灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。2、输入输出描述输入：
转载
2023-10-05 13:48:29
150阅读
数模笔记（一）：线性规划、整数规划及非线性规划数模笔记（二）：层次分析法数模笔记（三）：灰色系统分析方法数模笔记（四）：插值与拟合数模笔记（五）：变异系数法 数模笔记（六）：两变量相关性分析与主成分分析 数模笔记（七）：图论 一、灰色系统概述（一）概念 1.灰色系统内的一部分
转载
2024-07-01 17:34:38
38阅读
概念
灰色系统是相对于黑色系统和白色系统而言的。
黑色系统：一个系统的内部信息对外界来说是一无所知的，只能通过他与外界的联系来加以观测研究。灰色系统：一部分信息是已知的，另一部分信息是未知的，系统内各因素之间具有不确定关系。其特点是‘少数据建模’，着重研究‘外延明确，内涵不明确’的对象。灰色系统具有相对性与广泛性。指系统对于不同对象的灰度不一样。作为实际问题，灰色系统在大千世界中是大量存
转载
2024-07-11 06:04:37
36阅读
一、K-means聚类K均值聚类是一种常见的无监督学习算法，在modeler中无监督体现在设置“类型”节点并读取值时，没有一个字段的角色是目标。它的原理是将数据分成k个簇，每个簇的中心是该簇中所有点的平均值（中心点不一定是现存的点）。在聚类过程中，每个点被分配到与其最近的中心点所在的簇中，直到簇的中心不再发生变化或发生的变化可以忽略不计。K均值聚类算法的优点是简单易懂、易于实现，并且可以处理大规模
转载
2024-09-11 01:13:28
126阅读
灰色预测的概念灰色系统、白色系统和黑色系统 (1)白色系统是指一个系统的内部特征是完全已知的，既系统信息是完全充分的。 (2)黑色系统是一个系统的内部信息对外界来说是一无所知的，只能通过它与外界的联系来加以观测研究。 (3) 灰色系统介于白色和黑色之间，灰色系统内的一部分信息是已知的，另一部分信息是未知的，系统内各因素间有不确定的关系。灰色预测法 (1) 灰色预测法是一种预测灰色系统的预测方法。
转载
2023-12-19 04:52:23
175阅读
AIGC怎么做预测
在当前的IT行业，AIGC（人工智能生成内容）正在逐渐成为一种重要工具，它能够通过解析海量数据并生成相应的内容，为许多业务带来了极大的便利。然而，针对AIGC的预测能力，企业面临着一个关键问题：如何有效地进行预测，这不仅影响决策的实时性，还影响业务的持续性和稳定性。为了应对这一挑战，我们需要深入分析预测过程中的各种弊端，并提出有效的解决方案。
### 问题背景
在大数据背景
在这篇博客文章中，我将详细介绍如何使用 Python 构建一个“罪名预测系统”。我们将从背景入手，分析相关问题，最后形成一个完整的解决方案。通过这种方式，我希望能清晰地阐述出整个实现过程和关键环节。
## 问题背景
在当今的法务系统中，罪名预测可以为判决提供支持，辅助律师和法官更好地理解案件。通过分析历史数据，罪名预测系统不仅可以提高法官的工作效率，还可以在一些情况下减少冤屈的案例。因此，构建
“水轮机压力脉动的混频幅值置信度分析方法研究”论文的学习过程
文献：胡江艺.水轮机压力脉动的混频幅值置信度分析方法研究.水利机械技术,2014(3).17-22摘要：文章根据IEC试验规程要求，对常见的用于计算压力脉动混频幅值置信度方法进行了分析。结合模型试验结果对压力脉动随机变量的分布进行了讨论。分析了计算方法的实用性，提出了符合要求的计算方法。关键词
转载
2024-08-19 19:08:45
61阅读
▷ 举个栗子！Minitab 技巧自 2016 年以来，优阅达《举个栗子》内容专栏已陪伴众多企业用户高效工作，解决真实业务场景中的用数问题。 2022 年，全新系列《举个栗子！Minitab 技巧》出炉啦~优阅达期待能够持续分享经验，帮助用户发现更多 Minitab 使用技巧，加速业务场景的融合运用，释放数据创新价值！作为现代质量管理统计的领先者，Minitab 无可比拟的强大统计功能、简易的可视
转载
2024-07-09 19:22:48
12阅读
