R语言解决最优化运营研究问题-线性优化(LP)问题
R语言解决最优化运营研究问题-线性优化(LP)问题
R语言解决最优化运营研究问题-线性优化(LP)问题
ARIMA等传统模型有一个主要缺点 – 它们通常不会解释“冲击”或时间序列的突然变化。
在逻辑回归中,我们将二元因变量Y_i回归到协变量X_i上。
R语言使用K-Means聚类可视化WiFi访问
NASA托管和/或维护了超过32,000个数据集; 这些数据集涵盖了从地球科学到航空航天工程到NASA本身管理的主题。
R语言中编写最小工作示例
验证回归模型的首选方法是模拟来自它们的数据,并查看模拟数据是否捕获原始数据的相关特征。
必须使用非常少的数据训练图像分类模型是一种常见情况,如果您在专业环境中进行计算机视觉,则在实践中可能会遇到这种情况。
神经网络一直是迷人的机器学习模型之一
在最近的一篇文章中,我描述了一个Metropolis-in-Gibbs采样器,用于估计贝叶斯逻辑回归模型的参数。
Python Monte Carlo K-Means聚类实战研究
LSTM(或长期短期存储器网络)允许分析具有长期依赖性的顺序或有序数据。当涉及到这项任务时,传统的神经网络不足,在这方面,LSTM将用于预测这种情况下的电力消耗模式。
GIS遥感数据可视化评估:印度河流域上部的积雪面积变化
我将建立道琼斯工业平均指数(DJIA)日交易量对数比的ARMA-GARCH模型。
用R语言软件估计光谱密度
在本文中,我将向您介绍集成建模的基础知识。 另外,为了向您提供有关集合建模的实践经验。
维度降低有两个主要用例:数据探索和机器学习。
matlab递归神经网络RNN实现:桨距控制控制风力发电机组研究
本文使用R语言进行stan泊松回归Poisson regression。
R语言旅行推销员问题TSP
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)
本文使用R语言对mtcar数据进行相关矩阵分析及其可视化
在R语言中轻松创建关联网络
在R语言中显示美丽的数据摘要summary统计信息
聚类方法用于识别从营销,生物医学和地理空间等领域收集的多变量数据集中的相似对象。
划分聚类 是用于基于数据集的相似性将数据集分类为多个组的聚类方法。
R语言解释生存分析中危险率和风险率的变化
Stata估算观测数据的风险比
我经常使用Stata,我认为这是一个很棒的包。几年前的一个很好的补充是Mata语言,一种完全成熟的矩阵编程语言 。我相信Stata的许多内置命令都是用Mata编程的。我一直在使用Mata来编写新的命令 。这篇文章有望帮助其他人避免我所遇到的问题。
R语言多臂试验 – 我们应该考虑多重性吗?
R语言使用倾向评分提高RCT(随机对照试验)的效率
R语言在RCT中调整基线时对错误指定的稳健性
R语言利用基线协变量提高随机对照试验的效率
R语言调整随机对照试验中的基线协变量
R语言用多重插补法估算相对风险时
R语言分析协变量之间的非线性关系
stata对包含协变量的模型进行缺失值多重插补分析
stata如何处理结构方程模型(SEM)中具有缺失值的协变量
在Amazon Web Services中使用R语言运行模拟
2014年9月18日,苏格兰居民将进行公民投票决定是否独立于英国。
R语言中固定与随机效应Meta分析 – 效率和置信区间覆盖
R语言使用 LOWESS技术图分析逻辑回归中的函数形式
R语言ROC曲线下的面积 – 评估逻辑回归中的歧视
在这篇文章中,我们将看一下Poisson回归的拟合优度测试。
R语言在逻辑回归中求R square R方
R平方/相关性取决于预测变量的方差
stata具有异方差误差的区间回归
R语言用于线性回归的稳健方差估计
R方和线性回归拟合优度
t检验和非正态性的鲁棒性
可以从许多统计软件包中运行Stan。到目前为止,我一直在从R运行Stan。
R语言中绘制ROC曲线和PR曲线
主题建模是一种在大量文档中查找抽象主题的艺术方法。
copula是将多变量分布函数与其边际分布函数耦合的函数,通常称为边缘。
sas文本挖掘案例:如何使用SAS计算Word Mover的距离
R语言岭回归ridge regression分析住房价格报告
在依赖模型得出结论或预测未来结果之前,我们应尽可能检查我们假设的模型是否正确指定。
近年来,移动应用让用户体验到更多价值,但许多用户经常在使用该应用一次后卸载。仅打开一次的中国移动应用程序的百分比高达35%,用户打开应用程序的次数超过11次 这个比例仅为17.6%,因此大多数应用程序的使用和保留相对较低,“一次性应用”正在成为用户行为的趋势。
偶尔我想在R中的图表旁边绘制一个表格,例如,以显示图表本身的摘要统计数据。
用SAS进行泊松,零膨胀泊松和有限混合Poisson模型分析
R语言实现有限混合建模分析
混合模型是k个分量分布的混合,它们共同形成混合分布
四种最常见的聚类方法模型是层次聚类,k均值聚类,基于模型的聚类和基于密度的聚类
本文展示了R语言如何在生存分析与Cox回归中计算IDI,NRI指标 的例子。
根据生存曲线的估计,可以推断出相比组之间存活时间的差异,因此生存曲线非常有用,几乎可以在每个生存分析中看到。
R语言混合时间预测对时间序列进行点估计
这场灾难以拯救“妇女和儿童第一”而闻名,所以让我们来看看性别和年龄变量。
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