Tag Archives: 高维

DeepSeek高维城市经济与宜居度面板数据分析——PGSA寻优、聚类、CNN、ARIMA、GM(1,1)与智能交互|附代码数据

By tecdat4月 8, 2026AI人工智能辅导, Python辅导, 人工智能, 地理，运输，旅行和物流, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术1), arima, CNN, DeepSeek, GM(1, PGSA, 代码, 分析, 卷积神经网络, 城市经济, 宜居度, 寻优, 数据, 智能交互, 灰色模型, 聚类, 自回归积分滑动平均模型, 面板数据, 高维

过往承接的多个智慧城市咨询项目中，我们常遇到一个共性问题：决策者面对数十个维度的经济、民生、环境指标时，往往陷入“数据丰富而洞察贫乏”的困境。

MATLAB用Lasso回归拟合高维数据和交叉验证

By tecdat3月 4, 2022大数据部落, 数理统计, 机器学习, 计算机科学与技术LASSO, 交叉验证, 回归, 高维

我们围绕Lasso技术进行一些咨询，帮助客户解决独特的业务问题。使用各种方法从指数分布生成 200 个五维数据 X 样本。

Python高维统计建模变量选择:SCAD平滑剪切绝对偏差惩罚、Lasso惩罚函数比较

By tecdat1月 5, 2022大数据部落, 数理统计, 计算机科学与技术LASSO, SCAD, 函数, 变量选择, 平滑剪切绝对偏差, 平滑剪切绝对偏差惩罚, 建模, 惩罚, 统计, 高维, 高维统计

变量选择是高维统计建模的重要组成部分。

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

By tecdat10月 18, 2021可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术Iris, MNIST, python, t-SNE, 可视化, 降维, 非线性, 高维, 高维数据, 鸢尾花

T-distributed Stochastic Neighbor Embedding (T-SNE) 是一种可视化高维数据的工具。

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

By tecdat3月 17, 2021医药生物, 大数据部落, 数理统计, 机器学习, 计算机科学与技术LASSO, Logistic, 分类, 变量选择, 回归, 岭回归, 惩罚l, 模型, 逻辑回归, 高维

WeChat Tencent QQ email print 由Kaizong Ye，Weilong Zhang

售前咨询热线

15121130882

售后咨询热线

0571-63341498