OLS

statsmodels中的summary解读（使用OLS）

1.OLS说明最小二乘法。给定序列X(x1,x2...xn),y,估计一个向量A(a0,a1.a2....)令y'=a0+a1*x1+a2*x2+...+an*xn,使得(y'-y)^2最小，计算A。
zm147451753·2020-07-06 13:26

损失函数

目录：一、0-1损失函数二、平方损失函数（SquareLoss）：主要是最小二乘法（OLS）中；三、绝对值损失函数四、对数损失函数（CrossEntropyLoss，SoftmaxLoss）：用于Logistic
飞-舟·2020-07-06 01:44

python用线性回归预测股票价格

在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。
weixin_34348174·2020-07-06 01:25

数据挖掘算法有哪些

逻辑回归（LR）、梯度下降树（GBDT）、随机森林（RF）、朴素贝叶斯（NB）、深层神经网络（DNN）、卷积神经网络（CNN）、LSTM(LongShort-TermMemory)回归：普通最小二乘回归（OLS
我满眼的欢喜都是你·2020-07-04 21:58

广义线性模型（GLM）

广义线性模型（generalizedlinearmodel,GLM)是简单最小二乘回归（OLS)的扩展，在OLS的假设中，响应变量是连续数值数据且服从正态分布，而且响应变量期望值与预测变量之间的关系是线性关系
mousever·2020-07-02 12:06

几种线性回归方法的简介

1.最小二乘法（OLS）回归最小二乘法是大家平时用的最多的拟合线性模型的方法，它使：RSS(a,b)=∑i=1n[yi−(a+bxi)]2
Dmoll·2020-07-02 11:26

多元线性回归的预测

那么，由OLS方法的出来的预测结果是否可靠呢？预测结果的可靠性又会受什么因素的影响呢？除了点估计的预测结果，能否有区间估计的预测结果呢？本文就这些问题，来进行一一探讨1.引入why？
Pinthon35·2020-07-02 09:18

非线性回归分析

，然后对不同的函数进行线性化变形，对线性化后的方程进行ols估计，再在不同的模型中择优。择优的标准：LR,SC,AIC（这些值为负如何比较？）2.非线性模型NLS是常用方法。
eyejavaeye·2020-07-01 23:30

R数据挖掘 第四篇：OLS回归分析

OLS（最小二乘法）主要用于线性回归的参数估计，它的思路很简单，就是求一些使得实际值和模型估值之差的平方和达到最小的值，将其作为参数估计值。就是说，通过最小化误差的平方和寻找
albh81462·2020-07-01 16:42

R语言 OLS回归中的几种回归方法

线性回归：R语言实战简单线性回归如果直线形式的线性回归不够准确，可以多加一个二次项，构成多项式回归，变成一条曲线来提高拟合的精度。多项式回归：R语言实战笔记多项式回归如果预测变量不止一个，就变成了多元线性回归。其实线性回归主要还是作为一个验证手段，下面举个多元线性回归的例子。>library(car)>statesscatterplotMatrix(states,spread=FALSE,lty.
ZY_Jack·2020-07-01 15:14

R语言实战 OLS回归

第八章回归OLS回归这里演示的大部分内容中，都是利用OLS法通过一系列的预测变量来预测响应变量。
ZY_Jack·2020-07-01 15:14

对贝叶斯(Bayes)线性回归的理解（一）

Y=β1X+β0+ϵY=β1X+β0+ϵ我们假设数据具有以下形式：y=β1x+β0+ϵy=β1x+β0+ϵwhereϵϵ~N(μ,σμϵ)N(μ,σϵμ)这样的模型可以生产如下的数据：普通最小二乘法(OLS
诗蕊·2020-07-01 10:14

R语言读取空间数据以及ArcGIS中OLS工具回归结果可视化R语言版

我就顺带整理下，另外虾神今天刚发了一篇关于ArcGIS的OLS工具回归结果可
胖胖雕·2020-07-01 09:01

【R】多元线性回归

这里结合StatisticalLearning和杜克大学的DataAnalysisandStatisticalInference的章节以及《R语言实战》的OLS(OrdinaryLeastSquare)
weixin_30621711·2020-07-01 05:10

利用R语言OLS回归分析

回归分析是统计学的核心问题，通常用来用一个或多个解释变量来预测相应变量，有效的回归是一个交互的、整体的、多步骤的过程，而不仅仅是一个技巧OLS回归为了能够恰当地解释OLS模型的系数，数据必须满足以下假设
小火柴123·2020-07-01 00:57

使用python统计建模和计量经济学工具包Statsmodels进行线性回归

理解什么是线性回归线性回归也被称为最小二乘法回归（LinearRegression,alsocalledOrdinaryLeast-Squares(OLS)Regression）。它的数学模型
xuxiatian·2020-06-30 04:09

机器学习线性回归：谈谈多重共线性问题及相关算法

前面几天阐述了线性回归的最小二乘法（OLS）在做回归时，一致地看待每一个样本点，是典型的无偏估计，会得到一个使得残差最小的权重参数。
算法channel·2020-06-30 03:14

机器学习之线性回归：OLS 无偏估计及相关性python分析

在实战中，我们发现如果它近似为奇异矩阵，然后再利用最小二乘法（OLS）去计算权重参数会出现bug。出现的是什么bug？在OLS算法的基础上应该怎么进行优
算法channel·2020-06-30 03:13

普通最小二乘法的推导证明

普通最小二乘法的推导证明发表于4个月前(2015-11-0422:22)阅读（153）|评论（0）5人收藏此文章,我要收藏赞1摘要普通最小二乘法（ordinaryleastsquares,OLS）是线性回归预测问题中一个很重要的概念
王知富推荐之路1510·2020-06-29 18:22

python金融大数据分析笔记----第六章3（回归分析）

任务：对金融图表进行检验——（线性回归）普通最小二乘回归（OLS）方法EUROSTOXX50指数的历史每日收盘价的数据集的获取，有两种方法，推荐下面这种方法：importpandasaspdes_url
葑歆·2020-06-29 09:38

五、线性回归——岭回归Ridge Regression

在存在多重共线性时，尽管最小二乘法（OLS）测得的估计值不存在偏差，它们的方差也会很大，从而使得观测值与真实值相差甚远。岭回归通过给回归估计值添加一个偏差值，来降低标准误差。
Nicole_Liang·2020-06-28 22:15

普通最小二乘法讲解OLS线性回归

文章来源：http://pocore.com/blog/article_529.html系列阅读原始数据1xy最终拟合为y=a*x+1*b1.0000000.0677323.176513...xArr:[[1.0,0.067732],[1.0,0.42781],...]yArr:[3.176513,3.816464,4.550095,...]矩阵转换xMat：n*2[[1.0.067732][1.
w15454·2020-06-27 11:42

[Oracle] 数据库安全之 - Oracle标签安全（OLS）

在上一篇文章中讨论了如何利用VPD对Oracle表中的行进行访问控制（见《[Oracle]数据库安全之-虚拟私有数据库（VPD）》），下面介绍一种比VPD复杂一点的访问控制技术——OLS(OracleLabelSecurity
Zhu_Julian·2020-06-26 22:53

为啥一定要用残差图检查你的回归分析？

(上图仅是残差的示意图，非残差图，残差图可见下文)用普通最小二乘法(OLS)做回归分析的人都知道，回归分析后的结果一定要用残差图(residualplots)来检查，以验证你的模型。
苏葛·2020-06-24 23:12

逻辑回归算法梳理

逻辑回归损失函数推导及优化4、正则化与模型评估指标5、逻辑回归的优缺点6、样本不均衡问题解决办法7、sklearn参数1、逻辑回归与线性回归的联系与区别两者都是广义的线性回归，线性回归优化的目标函数是OLS
pandawang830·2020-06-24 19:42

机器学习中的惩罚线性回归模型学习（one）

这究竟是什么东西，然后发现如下惩罚线性回归线性回归可以理解为“拟合”，一般采用普通最小二乘方法OLS（ordinaryleastsquare），而最小二乘方法就是寻找某一参数，使得数据获得较好的曲线表示
lamusique·2020-06-24 02:14

python statsmodel 回归结果提取（回归系数、t值、pvalue、R方、、、、）

提取statsmodel里模型结果的各个元素以OLS回归结果为例相关函数官网链接：https://www.statsmodels.org/stable/search.html?
chongminglun·2020-06-22 22:53

R语言如何和何时使用glmnet岭回归

在线性回归的背景下，它可以与普通最小二乘法（OLS）进行比较。OLS定义了计算参数估计值（截距和斜率）的函数。它涉及最小化平方残差的总和。
LT_Ge·2020-06-22 09:10

夜光遥感（二）：夜光影像的处理

去饱和处理DMSP/OLS的可见光－近红外波段可记录10-10~10-8/（w·cm-2·sr-1·um-1）范围内的辐射强度，对应数据的ＤＮ值范围为[0,63]。
XIONGDA_0407·2020-06-21 21:56

夜光遥感（一）：夜光遥感数据的介绍和获取

目前开源的夜光遥感数据网站链接如下：1.DMSP/OLS年均灯光稳定影像https://eogdata.mines.edu/dmsp/downloadV4composites.html该产品采用的是在没有月光和云遮盖影响下的年均值合成算法
XIONGDA_0407·2020-06-21 21:56

一文读懂伪回归、协整、格兰杰

二、平稳性检验单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。当检验的数据是平稳的（即不存在单位根），即意思是单位根检验的原假设是
hellolijunshy·2020-06-21 21:57

机器学习在量化投资中的应用

原文：http://pdf.dfcfw.com/pdf/H3_AP201811071238834613_1.pdf（一）监督学习：对未来事件预测1、回归——预测连续型目标变量（1）、OLS回归OLS回归的目标是
基督徒Isaac·2020-06-02 09:07

Stata 经典模型中模型假设问题及处理

导致问题：OLS依然无偏，一致，且渐进正太，估计量方差不再球形，t检验以及F检验失效。
MapleTree·2020-04-13 04:26

xtivreg2和它的山寨者

说人话：嘛，就是OLS和FE/FD模型的差别啦~（xtivreg2要求必须使用FE/FD模型）举个栗子：我们知道，OLS加入虚拟变量（LSDV）等价于FE模型。
CHEN_DIANDIAN·2020-04-12 15:51

python用线性回归预测股票价格

在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。
LT_Ge·2020-04-11 16:35

python用线性回归预测股票价格

在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。
Python学习啊·2020-04-11 13:00

3月碎碎念汇总-2017

不然你万一只会OLS怎么办呢？学长语录3.5最近终于感受到了妹子的原始欲望，吃吃吃和买买买真的是两件非常令人开心的事。
爱吃鱼和莴苣的狗·2020-03-31 00:52

《数据分析实战-托马兹.卓巴斯》读书笔记第6章-回归模型

你将学习以下主题：·识别并解决数据中的多重共线性·构建线性回归模型，预测发电厂生产的电量·使用OLS预测生产的电量·使用CART估算发电厂生产的电量·将kNN模型用于回归问题·将随机森林模型用于回
邀月·2020-03-28 01:00

The Dynamic Analysis between Urban Nighttime Economy and Urbanization Using the DMSP/OLS Nighttime Light

1.Thispaperproposedanighttimelighteconomyindex(NLEI)toinvestigatetheurbanNTElevel2.Data:DMSP/OLSNighttimeLightDataTheadministrativeboundarymaps,Landuse/landcoverdata(http://www.resdc.cn/)3.Methods3.1E
3SXYT·2020-03-11 00:25

数据_常用命令_Python

defflushPrint(variable):sys.stdout.write('\r')sys.stdout.write('%s'%variable)sys.stdout.flush()单变量最小二乘（OLS
计算士·2020-03-09 17:30

普通最小二乘法的推导证明

在统计学中，普通最小二乘法（OrdinaryLeastSquares，OLS）是一种用于在线性回归模型中估计未知参数的线性最小二乘法。
FreeShow·2020-02-29 22:11

[转载]混合OLS模型、固定效应模型、随机效应模型的区别是什么？

1.混合估计模型就是各个截面估计方程的截距和斜率项都一样，也就是说回归方程估计结果在截距项和斜率项上是一样的2.随机效应模型和固定效应模型则认为回归方程估计结果在截距项和斜率项上是不一样的，所以你可以选择变截距模型，也可以选择变系数模型3.随机效应和固定效应模型的区别在于，随机效应模型认为误差项和解释变量不相关，而固定效应模型认为误差项和解释变量是相关的使用方法先进行方法检验：检验面板数据适用于混
许四书·2020-02-20 10:26

stata结果导出

webusenlswork,clear//导入网上数据xtsetidcodeyear//设置面板标识tabyear,gen(yd)//生成年份虚拟变量*回归1：未控制年份的OLS，对标准误进行聚类修正regln_wagettl_exptenurenot_smsasout
生于松柏林笔记·2020-02-19 12:24

长江三角洲城市群数据平台（5）-Data_mining（ols）

（1）在urls.py中新增以下url，Paste_Image.png（2）在data_mining.html中增加链接到回归分析页面（data_ols），Paste_Image.pngPaste_Image.png
hz82114280·2020-02-18 04:09

实证白皮书

基于古典假定，线性回归模型的最小二乘估计量（OLS）是最优线性无偏估计量。因此，实证研究中回归分析的起点都是最小二乘法。
plutoese·2020-02-17 03:20

利用 python 进行线性回归

利用python进行线性回归理解什么是线性回归线性回归也被称为最小二乘法回归（LinearRegression,alsocalledOrdinaryLeast-Squares(OLS)Regression
wyrover·2020-02-02 19:02

Stata: 两阶段回归的结果输出

连享会 计量专题||精品课程||推文||公众号合集点击查看完整推文列表2020连享会-文本分析与爬虫-现场班西安,3月26-29日，司继春-游万海主讲； (附助教招聘)image [[toc]]1.引言OLS
stata连享会·2020-02-02 05:56

拓端tecdat|R语言异方差回归模型建模：用误差方差解释异方差

p=10207原文出处：拓端数据部落公众号在社会科学中将OLS估计应用于回归模型时，其中的一个假设是同方差，我更喜欢常误差方差。这意味着误差方差没有系统的模式，这意味着该模型在所有预测级别上都同样差。
拓端研究室·2020-01-23 15:29

R语言中的Theil-Sen回归分析

当误差呈正态分布且没有异常值时，斜率与OLS非常相似。有几种获取截距的方法。如果关心回归中的截距，那么知道软件在做什么是很合理的。当我对异常值和异方差性有担忧时，请在上
qq_19600291·2020-01-13 17:06

监督学习(三)——线性模型：OLS

1、用于回归的线性模型线性模型的预测公式一般为：y=w[0]*x[0]+w[1]*x[1]+···+w[p]*x[p]+b上面的公式中，x[0]到x[p]标识的是单个数据的特征，w[0]到w[p]是对应特征的权重，y是预测结果，b是偏移量。如果是单一变量，公式就变为：y=w*x+b就变成一条直线方程，这时候w就是斜率，b是截距。'''1、用于回归的线性模型单一特征的线性回归'''deflinear
小书同学·2020-01-08 17:34
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他