众所周知，最小二乘法对于异常值非常敏感，所以在面对污染数据时常常需要稳健方法。Huber提出的M估计是最流行的稳健回归估计量之一。常用的稳健估计方法通常都是针对回归模型，或者说是基于最小二乘方法。对于回归模型最小二乘法得到的估计量为本文介绍了几种基于回归模型的稳健估计方法。1.Huber回归估计量为其中 ，为预先给定的阈值。由上式可以看出，在残差绝对值小于阈值时，仍然采用平方损失。在残差
软件系统的质量属性外部质量因素保持正确性（Correctness）1.确保接收的条件是正确的 分层：假定一个软件系统是分层开发的，每层都要确保自己是正确的，同时假定其调用的低层也是正确的。 2.测试与调试 a)防御式编程 b)证明自己的代码能满足预期要求。保持健壮性（Robustness）1.健壮性是软件系统对异常情况作出适当反应的能力。稳健性是为了确保如果出现某种情况，系统不会导致灾难性的（灾难
转载
2024-04-30 20:01:40
113阅读
1 基本使用方法statsmodels.nonparametric.smoothers_lowess.lowess(
endog,
exog,
frac=0.6666666666666666,
it=3,
delta=0.0,
xvals=None,
is_sorted=False,
missing='drop',
转载
2024-04-04 15:47:57
175阅读
稳健OLS回归方法1 什么是稳健OLS在使用OLS(普最小二乘)回归时，如果存在离群值或极端值(不是人为记录错误)，那么OLS回归变得非常困难，因为没有充分证据可对极端数据进行剔除。此时稳健OLS成为较好选择：稳健OLS在剔除极端数据和保留极端数据中寻找到一种权衡，而非如OLS那样“平等”利用各观测数据。在具体估计时，对观测数据的稳健情况进行赋权，也就是将OLS转变为加权的OLS(WLS),也称为
转载
2023-12-07 00:38:47
160阅读
一、基本了解（一）定义汇总1、稳健性（robustness）是产品对各种噪声的抵抗能力，反应为产品质量特性的变异程度。变异程度小的产品稳健性高。2、噪声噪声是引起质量变异的干扰因素，有三种形式：①外部噪声。比如温度、湿度等使用环境因素。②内部噪声。比如产品在存储和使用过程中发生的材料变质、老化、磨损。③零件间噪声。严格地说，任何两件产品的同一零件都不会完全一样。3、稳定性（stability）当一
转载
2024-02-21 15:29:20
167阅读
1.回归的定义：找到一个函数，输出一个特征值，后输出数值。如：以过去房价数据预测未来的房价，李宏毅老师油管过去节目观看人数预测未来的最近节目观看人数。2.模型步骤： (1) 模型假设–线性模型：yi=xi*w+b 其中x为features,w为weight,b为bias；xi可以为多个feature. (2)模型评估–损失函数 在模型训练资料后得到了资料的分布，从数学的角度真实值y^到y轴的垂直函
转载
2024-09-06 18:52:51
88阅读
目录在 R 中估计 GARCH 参数存在的问题GARCH 模型基础估计 GARCH 参数fGarch 参数估计的行为结论译后记在 R 中估计 GARCH 参数存在的问题本文翻译自《Problems In Estimating GARCH Parameters in R 》更新（11/2/17 3:00 PM MDT）：我从 R 的金融板块邮件列表收到一位知名金融工具包贡献者——Brian Pete
抗差估计抗差估计的原理抗差估计是近代测量平差范畴，又名稳健估计（robust estimate），据杨院士说中科院系统喜欢称之为抗差估计，武大喜欢称之为稳健估计。我们的测量值是随机变量，符合正态分布的，如果出现粗差（gross error）的话，我们在应用最小二差或卡尔曼滤波的时候就会使结果偏离真实值（滤波发散）的现象。我们解决粗差或系统误差的时候，可以从两方面去理解，均值漂移或者方差膨胀，抗差估
转载
2024-02-24 11:32:12
182阅读
稳健回归稳健回归（robust regression）是统计学稳健估计中的一种方法，其主要思路是将对异常值十分敏感的经典最小二乘回归中的目标函数进行修改。经典最小二乘回归以使误差平方和达到最小为其目标函数。稳健回归(robust regression)是将稳健估计方法用于回归模型，以拟合大部分数据存在的结构，同时可识别出潜在可能的离群点、强影响点或与模型假设相偏离的结构。当误差服从正态分布时，其估
转载
2023-10-28 12:52:28
122阅读
调用robustfit函数作稳健回归regress函数和regstats函数利用普通最小二乘法估计模型中的参数，参数的估计值受异常值的影响比较大。robustfit函数采用加权最小二乘法估计模型中的参数，受异常值的影响就比较小。robustfit函数用来作稳健的多重线性或广义线性回归分析，下面介绍robustfit函数的用法。1.4.1．robustfit函数的用法robustfit函数有以下几种
转载
2023-12-25 21:39:52
555阅读
稳健回归（Robustness regression）最小二乘法的弊端之前文章里的关于线性回归的模型，都是基于最小二乘法来实现的。但是，当数据样本点出现很多的异常点（outliers），这些异常点对回归模型的影响会非常的大，传统的基于最小二乘的回归方法将不适用。比如下图中所示，数据中存在一个异常点，如果不剔除改点，适用OLS方法来做回归的话，那么就会得到途中红色的那条线；如果将这个异常点剔除掉的话
RANSAC是一种常用的稳健估计的方法，稳健估计的方法有很多，特别是在大量数据处理中。在机器自动化数据采集过程中，不可避免的有三种误差，粗差，系统误差，偶然误差，分别可以对应三种解决方法获取最优解：无偏估计，有偏估计，抗差（robustness）估计（稳健估计）。 粗差即错误，尽管对于数据预处理之后，粗差仍不可能完全剔除，对于含有少量粗差的最优解的估计通常有两类，三种思路，第一类，将全部数据做为初
Robust Variance模块中的函数用于计算线性回归、逻辑回归、多类逻辑回归和Cox比例风险回归的稳健方差（Huber-White估计）。它们可用于计算具有潜在噪声异常值的数据集中数据的差异。此处实现的Huber-White与R模块“sandwich”中的“HC0”三明治操作完全相同。  
转载
2024-05-29 10:16:56
109阅读
# R语言的Meta模型稳健性探讨
## 介绍
在统计学和数据科学领域，元分析（Meta-analysis）是一种整合多个研究结果的方法，用于得出更为可靠和全面的结论。R语言作为一种强大的统计计算工具，提供了多种包来实现元分析。其中，`meta`包以其稳健性获得了广泛应用。本文将探讨R语言中`meta`模型的稳健性，并提供相关代码示例。
## 什么是Meta分析？
Meta分析旨在通过系统
220127_202201_机器学习中一些模型评价指标简介目录220127_202201_机器学习中一些模型评价指标简介回归任务平均绝对误差（Mean Absolute Deviation）均方误差（Mean Square Error）均方根误差（Root Mean Squared Error）分类任务查准率 / 精度（Precision）召回率（Recall）F_β与F_1ROC曲线与AUC曲线
转载
2024-06-21 22:15:24
200阅读
对于二分类问题，机器预测的和实际的还是会有所偏差，所以我们引入以下几个概念来评价分类器的优良。一、TP、TN、FP、FN概念首先有关TP、TN、FP、FN的概念。大体来看，TP与TN都是分对了情况，TP是正类，TN是负类。则推断出，FP是把错的分成了对的，而FN则是把对的分成了错的。（我的记忆方法：首先看第一个字母是T则代表分类正确，反之分类错误；然后看P，在T中则是正类，若在F中则实际为负类分成
转载
2024-08-13 10:10:01
58阅读
什么是基金基金就是把大家的钱收集到一起，由专门人（基金经理）帮我们去投资证券市场。他提取他的佣金，我们拿我们的收益，他们帮我们理财投资。所以，我们不懂没关系，我们找懂的人来做，就像一个企业的董事长聘请一个CEO来运转他的公司一样。...
原创
2021-01-06 20:29:53
110阅读
https://mp.weixin.qq.com/s/MEJ6brm9xRarIODADLbTXg 目标收益率止盈法 目标收益率止盈法很简单，就是先设置一个目标收益率，然后当定投的基金达到了目标收益后就卖出。 比如，假设我们是在A股2600点的时候定投入场，设置30%的目标收益率， 那么当A股到达3 ...
转载
2021-08-28 22:24:00
215阅读
2评论
http://www.linuxdiyf.com/viewarticle.php?id=271604来源：51CTO 就业市场回暖的节奏仍然十分缓慢，不过IT就业市场的表现则始终领先于其它行业。大家觉得如今哪类...
转载
2022-05-03 15:38:52
326阅读
今天是星期天，刚刚从朋友家出来，星期六在朋友家玩了一天，晚上也是在他家休息的，感觉在上海工作蛮舒服的，每个星期工作到星期五，就可以和朋友一起出去玩。
&nbs
原创
2011-02-27 11:18:52
379阅读
