变量间的关系不确定：相关关系，通常用相关系数表示，相关系数的取值范围是[-1,1],大于0 表示正相关，小于0表示负相关；绝对值接近于1，表示相关性越强确定：函数关系，通常用公式表示：Y=a+bX，通常也叫线性回归线性回归一元线性回归：Y=a+bX求解参数通常是通用最小线性二乘法求解参数a和b检验通常包含：方程检验，拟合度用R^2，RSS……继续阅读 » Haran 9年前 (2016-11-23) 6580浏览 0评论2个赞
最近在复习机器学习方面的算法，对此做些总结回顾。什么是机器学习？利用算法，是机器具有人一样的学习能力，能够自动分析判别机器学习与数据挖掘，人工智能，深度学习的区别？机器学习是利用算法，让机器具备人一样的学习能力，能够自动分析判别数据挖掘是只从一大堆数据中寻找模式和特征，需找出有价值的信息人工智能是指通过人通过电脑实现的智能，机器学习是人工智能……继续阅读 » Haran 9年前 (2016-11-22) 4251浏览 0评论1个赞
1、加载数据做成分分析：data9.2<-data.frame( x1=c(82.9,88.0,99.9,105.3,117.7,131.0,148.2,161.8,174.2,184.7), x2=c(92,93,96,94,100,101,105,112,112,112), x3=c(17.1,21.3,25.1,29.0,3……继续阅读 » Haran 9年前 (2016-09-27) 4492浏览 0评论0个赞
分别使用岭回归和Lasso解决上面回归问题当回归存在多重共线性的时候，可以使用最小二乘，岭回归，Lasso回归, 但当X的秩不存在的时候或变量的数量少于样本的数量是，作为无偏差估计的最小二乘就不适用，岭回归和Lasso回归更合适。过程：1、加载数据做中心化后做线性回归： 可以看到线性回归方程很不显著，存在多重共线性，下面做多……继续阅读 » Haran 9年前 (2016-09-17) 5102浏览 0评论1个赞
回归建模的主要流程：1、描述性统计：对数据有个概览2、异常缺失值处理3、多重共线性检验：kappa(cor(),exact=TRUE)4、相关性分析：筛选自变量5、参数计算方法：最小二乘法，岭回归6、检验：拟合度检验：R^2模型显著性检验:F检验的P-value参数检验：T检验的P-value残差正太性检验：shapiro.test残差……继续阅读 » Haran 9年前 (2016-08-09) 6554浏览 0评论0个赞
