R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
在讨论分类时，我们经常分析二维数据（一个自变量，一个因变量）。但在实际生活中，有更多的观察值，更多的解释变量。随着两个以上的解释变量，它开始变得更加复杂的可视化。
Search Results: 回归
R语言非参数方法：使用核回归平滑估计和K-NN(k近邻算法)分类预测心脏病数据
本文考虑一下基于核方法进行分类预测。注意，在这里，我们不使用标准逻辑回归，它是参数模型。
matlab使用分位数随机森林（QRF）回归树检测异常值
这个例子展示了如何使用分位数随机林来检测异常值。
R语言arima，向量自回归（VAR），周期自回归(PAR)模型分析温度时间序列
至少有两种非平稳时间序列：具有趋势的时间序列和具有单位根的时间序列（称为单整时间序列）。
R语言和Stan,JAGS：用rstan,rjag建立贝叶斯多元线性回归预测数据
本文将介绍如何在R中做贝叶斯回归分析，R中有不少包可以用来做贝叶斯回归分析，比如最早的（同时也是参考文献和例子最多的）R2WinBUGS包。
R语言信用风险回归模型中交互作用的分析及可视化
多元统计分析中，交互作用是指某因素作用随其他因素水平的不同而不同，两因素同时存在是的作用不等于两因素单独作用之和(相加交互作用)或之积(相乘交互作用)。
Python和R语言使用指数加权平均(EWMA)，ARIMA自回归移动平均模型预测时间序列
本文学习创建时间序列预测的步骤，关注Dickey-Fuller检验、指数加权平均(EWMA)和ARIMA（自回归移动平均）模型，从理论上学习这些概念以及它们在python和R中的实现。
R语言贝叶斯线性回归和多元线性回归构建工资预测模型
在劳动经济学领域，收入和工资的研究为从性别歧视到高等教育等问题提供了见解。
R语言基于Bootstrap的线性回归预测置信区间估计方法
我们知道参数的置信区间的计算，这些都服从一定的分布(t分布、正态分布），因此在标准误前乘以相应的t分值或Z分值。
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析
正则化路径是在正则化参数lambda的值网格上计算套索LASSO或弹性网路惩罚的正则化路径。
R语言分段线性回归分析预测车辆的制动距离
分段回归( piecewise regression )，顾名思义，回归式是“分段”拟合的。
R语言线性回归和时间序列分析北京房价影响因素可视化案例
房价有关的数据可能反映了中国近年来的变化：
R语言用普通最小二乘OLS，广义相加模型GAM ，样条函数进行逻辑回归LOGISTIC分类
本文我们对逻辑回归和样条曲线进行介绍。
R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归
这篇文章探讨了为什么使用广义相加模型 是一个不错的选择。为此，我们首先需要看一下线性回归，看看为什么在某些情况下它可能不是最佳选择。
R语言中使用非凸惩罚函数回归(SCAD、MCP)分析前列腺数据
本文使用lasso或非凸惩罚拟合线性回归，GLM和Cox回归模型的正则化
R语言中的多项式回归、局部回归、核平滑和平滑样条回归模型
当线性假设无法满足时，可以考虑使用其他方法。
Python中的Lasso回归之最小角算法LARS
假设我们期望因变量由潜在协变量子集的线性组合确定。
R语言基于线性回归的资本资产定价模型（CAPM）
资本资产定价模型（CAPM） 是用于确定是否在一个特定资产的投资是值得的。
Matlab马尔可夫区制转换动态回归模型估计GDP增长率
本文估计实际GDP增长率的两状态Markov区制转换动态回归模型 。
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计
MCMC是从复杂概率模型中采样的通用技术。
R语言多元逐步回归模型分析房价和葡萄酒价格：选择最合适的预测变量
包含更多的预测变量不是免费的：在系数估算的更多可变性，更难的解释以及可能包含高度依赖的预测变量方面要付出代价。
R语言:逻辑回归ROC曲线对角线分析过程及结果
之前我们讨论了使用ROC曲线来描述分类器的优势，有人说它描述了“随机猜测类别的策略”。
R语言分位数回归预测筛选有上升潜力的股票
现在，分位数回归已被确立为重要的计量经济学工具。
R语言实现LASSO回归——自己编写LASSO回归算法
这篇文章中我们可以编写自己的代码来计算套索(lasso)回归，
R语言泊松Poisson回归模型预测人口死亡率和期望寿命
本文我们讨论了期望寿命的计算，人口统计模型的起点是死亡率表。
R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量
我根据泊松Poisson回归、GAM样条曲线模型对一个十字路口的骑自行车者的数量进行预测
R语言分位数回归Quantile Regression分析租房价格数据
本文想在R软件中更好地了解分位数回归优化。在查看分位数回归之前，让我们从样本中计算中位数或分位数。
R语言分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测
电力负荷预测是电网规划的基础，其水平的高低将直接影响电网规划质量的优劣。
R语言用Garch模型和回归模型对股票价格分析
为了找出影响价格波动的主要因素，我们使用逐步回归法来剔除一些对于应变量即把对价格影响很小的自变量剔除出我们的模型
广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者
本文通过R语言建立广义线性模型(GLM)、多项式回归和广义可加模型（GAM）来预测谁在1912年的泰坦尼克号沉没中幸存下来。
R语言逻辑回归分析连续变量和分类变量之间的“相关性“
比如说分类变量为是否幸存、是因变量，连续变量为年龄、是自变量，这两者可以做相关分析吗？两者又是否可以做回归分析？
R语言实现CNN（卷积神经网络）模型进行回归数据分析
当我们将CNN（卷积神经网络）模型用于训练多维类型的数据（例如图像）时，它们非常有用。
R语言中的多项式回归、B样条曲线(B-spline Curves)回归
我们首先讨论多项式回归，进一步，我们会想到分段线性或分段多项式函数，可能还有附加的连续性约束，这些是样条曲线回归的基础。
R语言用多项式回归和ARIMA模型预测电力负荷时间序列数据
根据我们对温度的预测，我们可以预测电力消耗。
R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测
在本文中，我们使用了逻辑回归、决策树和随机森林模型来对信用数据集进行分类预测并比较了它们的性能。
Matlab建立逻辑回归，决策树，SVM，KNN和朴素贝叶斯模型分类绘制ROC曲线
尽管对于较高的阈值，SVM可以产生更好的ROC值，但逻辑回归通常更擅长区分不同类别。朴素贝叶斯的ROC曲线通常低于其他两个ROC曲线，这表明样本内性能比其他两个分类器方法差。
R语言自适应平滑样条回归分析
一种类型的平滑称为样条平滑。柔性金属（通常是铅），可以用作绘制平滑曲线的参考。将选择一组点（称为结），然后将样条线压在特定的x，y点，然后弯曲以通过下一个点，依此类推。
R语言区间数据回归分析
回归分析是一种十分常见的数据分析方法,通过观测数据确定变量间的相互关系。传统回归分析以点数据为研究对象,预测结果也是点数据,而真实数据往往在一定范围内变动的。
使用线性模型、回归决策树自动组合特征因子水平
每次我们在应用计量经济学课程中遇到实际应用时，我们都要处理类别变量。
R语言逻辑回归和泊松回归模型对发生交通事故概率建模
我们已经看到了如何考虑风险敞口，计算包含风险敞口的多个数量（经验均值和经验方差）的非参数估计量。让我们看看如果要对二项式变量建模。
非参数模型厘定保险费率：局部回归、广义相加模型GAM、样条回归
公司必须使用细分技术才能生存。现在，问题在于，我们不能确定指数衰减是溢价随年龄变化的正确方法。一种替代方法是使用非参数技术来可视化年龄对索赔频率的真实影响。
R语言中自编基尼系数的CART回归决策树的实现
这里的想法是使距离最大化：想法是区分，所以我们希望样本尽可能不独立。要计算基尼系数。
R语言多分类logistic逻辑回归模型在混合分布模拟单个风险损失值评估的应用
通常，我们在回归模型中一直说的一句话是“ 请查看一下数据 ”。
R语言中回归模型预测的不同类型置信区间应用比较分析
当我们要为预测提供一个置信区间时，建议您为预测器确定置信区间参数的估计和潜在值的置信区间。
R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分析保险资金投资组合信用风险敞口
在之前的课堂上，我们已经看到了如何可视化多元回归模型（带有两个连续的解释变量）。
R语言泊松回归对保险定价建模中的应用：风险敞口作为可能的解释变量
在保险定价中，风险敞口通常用作模型索赔频率的补偿变量。
R语言中基于混合数据抽样(MIDAS)回归的HAR-RV模型预测GDP增长
R语言中基于混合数据抽样(MIDAS)回归的HAR-RV模型预测GDP增长
Python贝叶斯回归分析住房负担能力数据集
我想研究如何使用pymc3在贝叶斯框架内进行线性回归。根据从数据中学到的知识进行推断。
R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归
R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归
R语言用线性模型进行臭氧预测： 加权泊松回归，普通最小二乘，加权负二项式模型，多重插补缺失值
在这篇文章中，我将从一个基本的线性模型开始，然后从那里尝试找到一个更合适的线性模型。 由于空气质
R语言用线性回归模型预测空气质量臭氧数据
尽管线性模型是最简单的机器学习技术之一，但它们仍然是进行预测的强大工具。
R语言中回归和分类模型选择的性能指标
R语言中回归和分类模型选择的性能指标
基于R语言实现LASSO回归分析
本文使用模拟数据比较了标准最小二乘法和lasso回归。
R语言中小样本违反异方差性的线性回归
R语言中小样本违反异方差性的线性回归
R语言异方差回归模型建模：用误差方差解释异方差
R语言异方差回归模型建模：用误差方差解释异方差
R语言使用二进制回归将序数数据建模为多元GLM
R语言使用二进制回归将序数数据建模为多元GLM
Stata中的治疗效果：RA：回归调整、 IPW：逆概率加权、 IPWRA、 AIPW
今天的主题是Stata中的治疗效果。 我们将讨论四种治疗效果估计量：
RA：回归调整
IPW：逆概率加权
IPWRA：具有回归调整的逆概率加权
AIPW：增强的逆概率加权
R语言中的Theil-Sen回归分析
R语言中的Theil-Sen回归分析
R语言关于回归系数的解释
R语言关于回归系数的解释
R语言中的岭回归、套索回归、主成分回归：线性模型选择和正则化
在本课程中，我们将考虑一些线性模型的替代拟合方法，除了通常的 普通最小二乘法。
R语言里的非线性模型：多项式回归、局部样条、平滑样条、 广义相加模型GAM分析
在这里，我们放宽了流行的线性技术的线性假设。
R语言逻辑回归、方差分析 、伪R平方分析
R语言逻辑回归、方差分析 、伪R平方分析
R语言逐步多元回归模型分析长鼻鱼密度影响因素
我从马里兰州生物流调查中提取了一些数据，以进行多元回归分析。
R语言对回归模型进行协方差分析
R语言对回归模型进行协方差分析
