Blog

R语言对面板数据:含时间固定效应混合效应回归分析交通死亡率、酒驾法和啤酒税

面板数据回归可以缓解省略变量偏误的问题,特别是当没有既与感兴趣的回归变量相关又与依赖变量相关的变量信息时,并且这些变量在时间或实体维度上是恒定的。

R语言非线性动态回归模型ARIMAX、随机、确定性趋势时间序列预测个人消费和收入、用电量、国际游客数量

传统时间序列模型允许包含过去观察到的系列信息,但不允许客户包含其他可能相关的信息。

Python随机波动模型Stochastic volatility,SV随机变分推断SVI分析标普500指数股票价格时间序列数据波动性可视化

随机波动模型(Stochastic volatility models)经常被客户用来对股票价格随时间的变动性进行建模。

R语言非线性回归和广义线性模型:泊松回归、伽马回归、逻辑回归、Beta回归分析机动车事故、小鼠感染、蛤蜊数据、补剂锻炼钠摄入数据

我们使用广义线性模型(Generalized Linear Models,简称GLM)来研究客户的非正态数据,并探索非线性关系。

R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、负指数方程、幂函数曲线、米氏方程、逻辑曲线、Gompertz、Weibull曲线

在选择最佳拟合实验数据的方程时,可能需要一些经验。当我们没有文献信息时该怎么办?

R语言分析糖尿病数据:多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box’s M检验可视化

Reaven和Miller(1979)研究了145名非肥胖成年人的葡萄糖耐量和胰岛素血液化学指标之间的关系。

Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化

生成对抗网络(GAN)是一种神经网络,可以生成类似于人类产生的材料,如图像、音乐、语音或文本。

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds