R语言RStan贝叶斯示例:重复试验模型和种群竞争模型Lotka Volterra
Stan是一种用于指定统计模型的概率编程语言。Stan通过马尔可夫链蒙特卡罗方法(例如No-U-Turn采样器,一种汉密尔顿蒙特卡洛采样的自适应形式)为连续变量模型提供了完整的贝叶斯推断。
Stan是一种用于指定统计模型的概率编程语言。Stan通过马尔可夫链蒙特卡罗方法(例如No-U-Turn采样器,一种汉密尔顿蒙特卡洛采样的自适应形式)为连续变量模型提供了完整的贝叶斯推断。
MCMC是从复杂概率模型中采样的通用技术。
在许多情况下,我们没有足够的计算能力评估空间中所有n维像素的后验概率 。在这些情况下,我们倾向于利用称为Markov-Chain Monte Carlo 算法的程序 。
本说明介绍使用Student-t改进的GARCH(1,1)模型对汇率对数收益进行贝叶斯估计。
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。
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
概率编程使我们能够实现统计模型,而不必担心技术细节。
在本节中,我将重点介绍使用集成嵌套 拉普拉斯近似方法的贝叶斯推理。
随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型
贝叶斯隐马尔可夫模型是一种用于分割连续多变量数据的概率模型。
此示例说明如何将贝叶斯优化应用于深度学习,以及如何为卷积神经网络找到最佳网络超参数和训练选项。
本文讲解了使用PyMC3进行基本的贝叶斯统计分析过程。
matlab对MCMC贝叶斯方法用于加筋复合板的冲击载荷识别
R语言用Rcpp加速Metropolis-Hastings抽样估计贝叶斯逻辑回归模型的参数
R语言stan进行贝叶斯推理分析
R语言通过WinBUGS对MGARCH和MSV模型进行贝叶斯估计和比较
在本文中,我们通过一个名为WinBUGS的免费贝叶斯软件,可以很容易地完成基于似然的多变量随机波动率(SV)模型的估计和比较。
Python用PyMC3实现贝叶斯线性回归模型
贝叶斯分析的许多介绍使用相对简单的教学实例 。虽然这可以很好地介绍贝叶斯原理,但将这些原则扩展到回归并不是直截了当的。
R语言Copula的贝叶斯非参数估计
excel数据分析——贝叶斯分析预测
R语言用Backfitting MCMC抽样算法进行贝叶斯推理案例
R语言stan概率编程规划简介
R语言基于copula的贝叶斯分层混合模型的诊断准确性研究
本文是通过对area,perimeter,campactness几个变量的贝叶斯建模,来查看他们对groovelength这个变量的影响。
模型表现差异很大的可能原因是什么?换句话说,为什么在别人评估我们的模型时会失去稳定性?
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。
在回归模型研究中,我们将讨论优化,而经典工具就是所谓的共轭。给定函数f:Rp→R,其共轭值为函数f ⋆:Rp→R使得
随着越来越多的数据被数字化,获取信息变得越来越困难。我们在本文中重点关注的一个示例是评估公司面临的不同风险领域。
最近,我们继续对时间序列建模进行探索,研究时间序列模型的自回归和条件异方差族。我们想了解自回归移动平均值(ARIMA)和广义自回归条件异方差(GARCH)模型。它们在量化金融文献中经常被引用。
当获得奇异拟合时,这通常表明模型过度拟合-也就是说,随机效应结构太复杂而无法由数据支持,这自然导致建议删除随机效应中最复杂的部分结构(通常是随机斜率)。这种方法的好处在于,它生成了一个更加简约的模型,但并没有过度拟合
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。
神经网络是一种非常通用的灵活预测模型,可用于解决各种问题,包括分类,降维和回归。
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 ”。
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)。
本文为非人寿保险课程的一部分,该示例对1900 -2005年间的“ 美国标准化飓风损失 ”数据集进行研究(2008)。我们使用了广义线性模型和帕累托分布Pareto distributions分析。
上周在 非人寿保险课程中,我们了解了广义线性模型的理论
对精算科学来说,当我们处理独立随机变量的总和时,特征函数很有趣,因为总和的特征函数是特征函数的乘积。
在本教程中,我们将讨论一种非常强大的优化(或自动化)算法,即网格搜索算法。
拨号音信号的变模分解,首先创建一个以4 kHz采样的信号
使用R语言进行Metroplis-in-Gibbs采样和MCMC运行分析
R语言用WinBUGS 软件对学术能力测验(SAT)建立分层模型
用户和产品的潜在特征编写推荐系统矩阵分解工作原理使用潜在表征来找到类似的产品。
深度学习无处不在。在本文中,我们将使用Keras进行文本分类。
深度学习技术已用于各种文本生成任务,例如写作诗歌,生成电影脚本甚至创作音乐。
缺失值被认为是预测建模的首要障碍。因此,掌握克服这些问题的方法很重要。
R语言最优聚类数目k改进kmean聚类算法
本文使用R语言进行stan泊松回归Poisson regression。
这是一个非常简化的例子。我模拟了1,000个计数观察值,平均值为1.3。
R语言有RStan的多维验证性因子分析(CFA)
R语言多臂试验 – 我们应该考虑多重性吗?
在PYTHON中进行主题模型LDA分析
判别分析是可用于分类和降维的方法。
本文是我们通过时间序列和ARIMA模型预测拖拉机销售的制造案例研究示例。
此示例演示了使用具有胖尾边缘分布的多变量copula模拟计算投资组合的风险价值和条件风险值(预期缺口)。
我们将首先介绍主题建模和t-SNE,然后将这些技术应用于两个数据集:20个新闻组和推文。
matlab实现MCMC的马尔可夫切换ARMA – GARCH模型估计
R语言markov switching model马尔可夫转换模型研究案例
R语言之文本分析:主题建模LDA
matlab估计arma garch 条件均值和方差模型
某些策略在波动剧烈的市场中表现良好,而其他策略则需要强劲而平稳的趋势,否则将面临长时间的下跌风险。
作为第一步,我们创建一些测试数据,用于拟合我们的模型。
您要分析时间序列数据的第一件事就是将其读入R,并绘制时间序列。
本文考虑R语言的EM算法和高斯混合模型实现。