R语言ggplot2绘制Kolmogorov-Smirnov KS检验图ECDF经验累积分布函数曲线可视化
Kolmogorov-Smirnov是比较一个频率分布f(x)与理论分布g(x)或者两个观测值分布的检验方法。
Blog
R语言GGPLOT2绘制圆环图雷达图/星形图/极坐标图/径向图Polar Chart可视化分析汽车性能数据
漂亮的圆形图。我不确定对数据分析师本身是否有额外的好处，但如果能吸引决策者的注意，那对我来说就是额外的价值。
R语言网络社区检测（社群发现）分析女性参加社交活动和社区节点着色可视化
在网络上进行社区检测时，有时我们不仅拥有实体之间的联系。
Python支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例
支持向量回归（SVR）是一种回归算法，它应用支持向量机（SVM）的类似技术进行回归分析。
R语言生态学模拟对广义线性混合模型GLMM进行功率（功效、效能、效力）分析power analysis环境监测数据
最近我们被客户要求撰写关于计算 lme 4 包中广义线性混合模型的功效的研究报告。
R语言估计获胜概率：模拟分析学生多项选择考试通过概率可视化
“获胜概率”的实时计算（或估计）很困难。
Python实现谱聚类Spectral Clustering算法和改变聚类簇数结果可视化比较
谱聚类是一种将数据的相似矩阵的谱应用于降维的技术。
Python配对交易策略Pairs Trading统计套利量化交易分析股票市场
最近我们被客户要求撰写关于量化交易的研究报告。
Matlab广义线性模型glm泊松回归的lasso、弹性网络正则化分类预测考试成绩数据和交叉验证可视化
WeChat Tencent QQ email print 由Kaizong Ye，Coin Ge撰写 使用l
R语言非线性回归nls、线性插值探索分析河流阶段性流量数据和评级曲线、流量预测可视化
本文档通过一些探索性数据分析来制定河流的评级曲线和流量预测。
R语言Copula估计边缘分布模拟基金收益率计算投资组合风险价值VaR与期望损失ES
在这项工作中，我通过创建一个包含四只基金的模型来探索 copula，这些基金跟踪股票、债券、美元和商品的市场指数。
R语言有限混合模型聚类FMM、广义线性回归模型GLM混合应用分析威士忌市场和研究专利申请、支出数据
有限混合模型是对未观察到的异质性建模或近似一般分布函数的流行方法。
R语言生态学JAGS模拟数据、线性回归、Cormack-Jolly-Seber (CJS) 模型拟合MCMC 估计动物存活率和可视化
本文，我通过两个种群生态学家可能感兴趣的例子来说明使用“JAGS”来模拟数据：首先是线性回归，其次是估计动物存活率（公式化为状态空间模型）。
R语言结构方程模型 SEM 多元回归和模型诊断分析学生测试成绩数据与可视化
WeChat Tencent QQ email print 由Kaizong Ye，Weilong Zhang
R语言非线性回归beta系数估算股票市场的风险分析亚马逊AMZN股票和构建投资组合
Beta 假设反映了一种工具对例如市场的风险。但是，您可以通过各种方式估算此度量。
【视频讲解】R语言回归和主成分PCA 回归交叉验证分析预测城市犯罪率数据
在本文中，我解释了基本回归，并介绍了主成分分析 (PCA) 使用回归来预测城市中观察到的犯罪率。
R语言圆填充( Circle packing)算法圆堆图圆形空间填充算法可视化
已经开发了大量确定性和随机性的圆填充算法。
R语言潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据
最近我们被客户要求撰写关于LCMM的研究报告。相比之下，潜在类别混合模型在于假设人口是异质的，并且由 G 潜在类别的受试者组成，其特征是 G 平均轨迹曲线。
R语言社区发现算法检测心理学复杂网络：spinglass、探索性图分析walktrap算法与可视化
我们在心理学网络论文中看到的一个问题是，作者有时会对其数据的可视化进行过度解释。
Matlab用Copula模型进行蒙特卡洛(Monte Carlo)模拟和拟合股票收益数据分析
最近，copula 在仿真模型中变得流行起来。
R语言多维数据层次聚类散点图矩阵、配对图、平行坐标图、树状图可视化城市宏观经济指标数据
本文通过一些指数对散点图矩阵和平行坐标显示中的面板进行排序，并根据其数值水平对面板进行着色。
Matlab用BUGS马尔可夫区制转换Markov switching随机波动率SV模型、序列蒙特卡罗SMC、Metropolis Hastings采样分析时间序列数据
在这个例子中，我们考虑马尔可夫转换随机波动率模型。
R语言风险价值：ARIMA，GARCH模型，Delta-normal法滚动估计，预测VaR（Value at Risk）和回测分析花旗公司股票时间序列数据
此分析的目的是构建一个过程，以在给定时变波动性的情况下正确估计风险价值。 WeChat Tenc
Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测Backtest标准普尔指数 S&P500时间序列
此示例说明如何使用三种方法估计风险价值 (VaR) 并执行 VaR 回测分析。
R语言RStan MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据
如果你正在进行统计分析：想要加一些先验信息，最终你想要的是预测。
R语言Garch建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化
我们研究波动聚集，以及使用单变量 GARCH(1,1) 模型对其进行建模。
Python用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据
配置神经网络很困难，因为没有关于如何去做的好的理论。
Python集成学习：自己编写构建AdaBoost分类模型可视化决策边界及sklearn包调用比较
Boosting指的是机器学习元算法系列，它将许多 “弱 “分类器的输出合并成一个强大的 “集合”，其中每个弱分类器单独的错误率可能只比随机猜测好一点。
Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
这篇文章讨论了自回归综合移动平均模型 (ARIMA) 和自回归条件异方差模型 (GARCH) 及其在股票市场预测中的应用。
R语言深度学习卷积神经网络 (CNN)对 CIFAR 图像进行分类：训练与结果评估可视化
本文演示了训练一个简单的卷积神经网络 (CNN) 来对 CIFAR 图像进行分类。
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集
在这篇文章中，我们讨论了基于gensim 包来可视化主题模型 (LDA) 的输出和结果的技术 。
Matlab创建向量自回归（VAR）模型分析消费者价格指数 (CPI) 和失业率时间序列
var对象指定了p阶平稳的多变量向量自回归模型（VAR(p)）模型的函数形式并存储了参数值。
R语言梯度提升机 GBM、支持向量机SVM、正则判别分析RDA模型训练、参数调优化和性能比较可视化分析声纳数据
本文介绍简化模型构建和评估过程。
Python用户流失数据挖掘：建立逻辑回归、XGboost、随机森林、决策树、支持向量机、朴素贝叶斯模型和Kmeans聚类用户画像
在今天产品高度同质化的品牌营销阶段，企业与企业之间的竞争集中地体现在对客户的争夺上。
R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性
像任何统计建模一样，贝叶斯建模可能需要为你的研究问题设计合适的模型，然后开发该模型，使其符合你的数据假设并运行。
Python集成机器学习：用AdaBoost、决策树、逻辑回归集成模型分类和回归和网格搜索超参数优化
Boosting 是一类集成机器学习算法，涉及结合许多弱学习器的预测。
MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测
使用 garch 指定一个单变量GARCH（广义自回归条件异方差）模型。
R语言贝叶斯广义线性混合（多层次/水平/嵌套）模型GLMM、逻辑回归分析教育留级影响因素数据
本教程使用R介绍了具有非信息先验的贝叶斯 GLM（广义线性模型）。
【视频讲解】R语言Kmeans均值聚类和层次聚类：亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数
《世界幸福报告》是可持续发展解决方案网络的年度报告，该报告使用盖洛普世界民意调查的调查结果研究了150多个国家/地区的生活质量。
Python 贝叶斯概率推断序列数据概率和先验、似然和后验图可视化
在这篇文章中，我将集中讨论一个给定一个短数据序列的推断概率的例子。
R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR：多元化投资组合预测风险测度分析
本文用 R 编程语言极值理论 (EVT) 以确定 10 只股票指数的风险价值（和条件 VaR）。
R语言估计多元标记的潜过程混合效应模型（lcmm）分析心理测试的认知过程
每个动态现象都可以用一个潜过程（Λ(t)）来表征，这个潜过程在连续的时间t中演化。
R语言BUGS序列蒙特卡罗SMC、马尔可夫转换随机波动率SV模型、粒子滤波、Metropolis Hastings时间序列分析
在这个例子中，我们考虑马尔可夫转换随机波动率模型。
R语言主成分回归（PCR）、 多元线性回归特征降维分析光谱数据和汽车油耗、性能数据
什么是PCR？（PCR = PCA + MLR）
R语言集成模型：提升树boosting、随机森林、约束最小二乘法加权平均模型融合分析时间序列数据
特别是在经济学/计量经济学中，建模者不相信他们的模型能反映现实。
【视频讲解】R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资
贝叶斯模型提供了变量选择技术，确保变量选择的可靠性。
R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平
因子实验在农业中非常普遍，它们通常用于测试实验因素之间相互作用的重要性。
R语言用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
铁和泛酸的极好来源，是澳大利亚、美国和东亚的营养食品资源和农业。100 克鲍鱼可提供超过 20% 的每日推荐摄入量。鲍鱼的经济价值与其年龄呈正相关。因此，准确检测鲍鱼的年龄对于养殖者和消费者确定其价格非常重要。
matlab数据可视化交通流量分析天气条件、共享单车时间序列数据
此示例说明如何使用从传感器获得的数据分析共享单车交通模式， 来预处理带时间戳的数据。数据来自传感器。
matlab用Logistic逻辑回归建模和马尔可夫链蒙特卡罗(MCMC) 方法分析汽车实验数据
此示例说明如何使用逻辑回归模型进行贝叶斯推断。
Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列
在量化金融中，我们学习了各种时间序列分析技术以及如何使用它们。
Python用Beta先验分布推断概率，贝叶斯推断计算和可视化案例
在这篇文章中，我将扩展从数据推断概率的示例，考虑 0 和 1之间的所有（连续）值，而不是考虑一组离散的候选概率。
R语言非线性混合效应 NLME模型(固定效应&随机效应)对抗哮喘药物茶碱动力学研究
最近我们被客户要求撰写关于抗哮喘药物茶碱动力学研究的报告。茶碱数据文件报告来自抗哮喘药物茶碱动力学研究。
R语言平滑算法LOESS局部加权回归、三次样条、变化点检测拟合电视节目《白宫风云》在线收视率
此示例基于电视节目的在线收视率。我们将从抓取数据开始。
【视频讲解】R语言结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析
本文的目标是使用各种预测模型预测Google的未来股价，然后分析各种模型。
Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据
面板向量自回归（VAR）模型在应用研究中的应用越来越多。
Python用T-SNE非线性降维技术拟合和可视化高维数据iris鸢尾花、MNIST 数据
T-distributed Stochastic Neighbor Embedding (T-SNE) 是一种可视化高维数据的工具。
R语言随机波动率(SV)模型、MCMC的Metropolis-Hastings算法金融应用：预测标准普尔SP500指数
在这个例子中，我们考虑随机波动率模型 SV0 的应用，例如在金融领域。
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
最近我们被客户要求撰写关于谷歌Google Analytics分析的研究报告。在等距时间段内以一系列点获得的数据通常称为时间序列数据。
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
作为数据分析的一部分，我们要在有价证券矩阵的操作上做一些工作，只需几行代码。
Python在线零售数据关联规则挖掘Apriori算法数据可视化
关联规则学习 在机器学习中用于发现变量之间的有趣关系。
R语言分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响
分布滞后非线性模型（DLNM）表示一个建模框架，可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联。
Python面板时间序列数据预测：格兰杰因果关系检验Granger causality test药品销售实例与可视化
时间序列是以固定时间_区间_记录的观察序列。
R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列
在本文中，我们将尝试为苹果公司的日收益率寻找一个合适的 GARCH 模型。
python用支持向量机回归(SVR)模型分析用电量预测电力消费
本文描述了训练支持向量回归模型的过程，该模型用于预测基于几个天气变量、一天中的某个小时、以及这一天是周末/假日/在家工作日还是普通工作日的用电量。
R语言深度学习Keras循环神经网络(RNN)模型预测多输出变量时间序列
递归神经网络被用来分析序列数据。
R语言绘制圈图、环形热图可视化基因组实战：展示基因数据比较
可以使用环状图形展示基因数据比较。可以添加多种图展信息，如热图、散点图等。
