R语言在地图上绘制散点饼图可视化
我们在ggplot2中制作的饼实际上是一个条形图转换为极坐标。
Category Archives: 计算机科学与技术
使用R语言进行多项式回归、非线性回归模型曲线拟合
对于线性关系，我们可以进行简单的线性回归。对于其他关系，我们可以尝试拟合一条曲线。
R语言使用ARIMAX预测失业率经济时间序列数据
在大数据的趋势下，我们经常需要做预测性分析来帮助我们做决定。
R语言用ARIMA模型，ARIMAX模型预测冰淇淋消费时间序列数据
标准的ARIMA（移动平均自回归模型）模型允许只根据预测变量的过去值进行预测。
R语言主成分分析（PCA）葡萄酒可视化：主成分得分散点图和载荷图
我们将使用葡萄酒数据集进行主成分分析。
R语言生态学建模：增强回归树（BRT）预测短鳍鳗生存分布和影响因素
本文是一个简短的教程，在R中拟合BRT（提升回归树）模型。我们的目标是使BRT（提升回归树）模型应用于生态学数据，并解释结果。
matlab实现扩展卡尔曼滤波(EKF)进行故障检测
本文展示了如何使用扩展卡尔曼滤波器进行故障检测。本文使用扩展的卡尔曼滤波器对一个简单的直流电机的摩擦力进行在线估计。
R语言经济学：动态模型平均(DMA)、动态模型选择(DMS)预测原油价格时间序列
简要地提供了在经济学中使用模型平均和贝叶斯方法的论据，使用了动态模型平均法（DMA），并与ARIMA、TVP等方法进行比较。希望对经济和金融领域的从业人员和研究人员有用。
R语言基于Bagging分类的逻辑回归(Logistic Regression)、决策树、森林分析心脏病患者
通常，bagging 与树有关，用于生成森林。但实际上，任何类型的模型都有可能使用bagging 。
R语言多项式回归拟合非线性关系
多项式回归是独立x变量和因果y变量之间的非线性关系。
R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险
本文的目的是完成一个逻辑回归分析。使你对分析步骤和思维过程有一个基本概念。
R语言时变向量自回归（TV-VAR）模型分析时间序列和可视化
在心理学研究中，个人主体的模型正变得越来越流行。原因之一是很难从人之间的数据推断出个人过程。另一个原因是，由于移动设备无处不在，从个人获得的时间序列变得越来越多。
R语言用样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化
Boosting算法是一种把若干个分类器整合为一个分类器的方法，也就是一种集成分类方法（Ensemble Method）。
R语言用局部加权回归(Lowess)对logistic逻辑回归诊断和残差分析
目前，回归诊断不仅用于一般线性模型的诊断，还被逐步推广应用于广义线性模型领域（如用于logistic回归模型）。
Matlab中的偏最小二乘法（PLS）回归模型，离群点检测和变量选择
最近我们被客户要求撰写关于PLS的研究报告。本文建立偏最小二乘法（PLS）回归（PLSR）模型，以及预测性能评估。
R语言混合效应逻辑回归（mixed effects logistic）模型分析肺癌数据
最近我们被客户要求撰写关于混合效应逻辑回归的研究报告。
R语言用LASSO，adaptive LASSO 预测通货膨胀时间序列
如果你了解数据科学领域，你可能听说过LASSO。LASSO是一个对目标函数中的参数大小进行惩罚的模型，试图将不相关的变量从模型中排除。
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
最近我们被客户要求撰写关于心脏病数据的研究报告。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）。
R语言进行数据结构化转换：Box-Cox变换、“凸规则”变换方法
线性回归时若数据不服从正态分布，会给线性回归的最小二乘估计系数的结果带来误差，所以需要对数据进行结构化转换。
R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的。
R语言如何用潜类别混合效应模型（lcmm）分析抑郁症状
每一个动态现象都可以用一个潜过程(Λ(t)来描述，这个潜过程在连续的时间t内演化。
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语言时间序列平稳性几种单位根检验（ADF，KPSS，PP）及比较分析
WeChat Tencent QQ email print 由Kaizong Ye，Liao Bao撰写 μ是
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。
Python用ARIMA和SARIMA模型预测销量时间序列数据
最近我们被客户要求撰写关于预测销量时间序列的研究报告。指数平滑模型是基于对数据趋势和季节性的描述，而ARIMA模型则是为了描述数据的自相关性。
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语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例
任何MCMC方案的目标都是从“目标”分布产生样本。
R语言时变面板平滑转换回归模型TV-PSTR分析债务水平对投资的影响
最近我们被客户要求撰写关于面板平滑转换回归(PSTR)的研究报告。建模过程包括三个阶段：表述，估计和评估。当采用两种状态时，单转换函数PSTR模型具有两个变量：
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语言惩罚logistic逻辑回归（LASSO,岭回归）高维变量选择的分类模型案例
WeChat Tencent QQ email print 由Kaizong Ye，Weilong Zhang
R语言极值理论EVT：基于GPD模型的火灾损失分布分析
极值理论关注风险损失分布的尾部特征,通常用来分析概率罕见的事件,它可以依靠少量样本数据,在总体分布未知的情况下,得到总体分布中极值的变化情况,具有超越样本数据的估计能力。
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语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例
本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。
R语言基于温度对城市层次聚类、kmean聚类、PCA主成分分析和Voronoi图可视化
最近我们被客户要求撰写关于聚类技术的研究报告。为了说明层次聚类技术和k-均值，我使用了了城市温度数据集，其中包括几个城市的月平均气温。
R语言分布滞后线性和非线性模型（DLMs和DLNMs）分析时间序列数据
本文演示了在时间序列分析中应用分布滞后线性和非线性模型（DLMs和DLNMs）。
R语言广义相加模型 (GAMs)分析预测CO2时间序列数据
环境科学中的许多数据不适合简单的线性模型，最好用广义相加模型（GAM）来描述。<
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
SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
人工神经网络最初是由研究人员开发的，他们试图模仿人脑的神经生理学。
Python | ARIMA时间序列预测模型
时间序列 被定义为一系列按时间顺序索引的数据点。时间顺序可以是每天，每月或每年。
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
预测股价已经受到了投资者，政府，企业和学者广泛的关注。然而，数据的非线性和非平稳性使得开发预测模型成为一项复杂而具有挑战性的任务。
R语言建立和可视化混合效应模型mixed effect model
最近我们被客户要求撰写关于混合效应模型的研究报告。我们已经学习了如何处理混合效应模型。
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。
拓端tecdat荣获腾讯云+社区年度最佳作者奖
回首不平凡的2020年，技术力量越来越受到重视，技术从业者的责任也越来越重大。
ARIMA模型预测CO2浓度时间序列-python实现
时间序列为预测未来数据提供了方法。根据先前的值，时间序列可用于预测经济，天气的趋势。
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语言基于递归神经网络RNN的温度时间序列预测
在本文中，我们将介绍三种提高循环神经网络性能和泛化能力的高级技术。
R语言神经网络模型预测车辆数量时间序列
具有单个隐藏层和滞后输入的前馈神经网络，可以用于预测单变量时间序列。
R语言中的BP神经网络模型分析学生成绩
在本教程中，您将学习如何在R中创建神经网络模型。
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
如果您可以写出模型的似然函数，则 Metropolis-Hastings算法可以负责其余部分（即MCMC ）。
R语言量化交易RSI策略：使用支持向量机SVM
机器学习算法可用于找到最佳值来交易您的指标。
移动广告中基于点击率的数据策略
在移动广告领域，移动APP广告因其独特的价值而受到广告商的青睐。
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类
本示例说明如何使用长短期记忆（LSTM）网络对序列数据进行分类。
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。
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。
使用Python中Keras的LSTM递归神经网络进行时间序列预测
最近我们被客户要求撰写关于时间序列预测的研究报告。时间序列预测问题是预测建模问题中的一种困难类型。
在Python和R中使用交叉验证方法提高模型性能
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？
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。
matlab用高斯曲线拟合模型分析疫情数据
随着新型冠状病毒COVID-19的威胁遍及世界，我们生活在一个日益担忧的时代，本文用matlab分析COVID-19数据集。
