celine227

摘要： 神经元模型的使用可以这样理解： 我们有一个数据，称之为样本。样本有四个属性，其中三个属性已知，一个属性未知。我们需要做的就是通过三个已知属性预测未知属性。 具体办法就是使用神经元的公式进行计算。三个已知属性的值是a1，a2，a3，未知属性的值是z。z可以通过公式计算出来。 这里，已知的属性称之为特征 阅读全文

摘要： 我们先引入一个简单的收入回归方程： 其中Wage 是小时工资，Di 为是否接受工作培训的虚拟变量，X是控制变量。 假设我们想看一下D 对Wage 的影响是否因性别而异。我们即可以引入交互项： 观察交互项的系数 是否显著即可： 也可以使用分组回归： 然后再检验Di 的回归系数差异是否显著即可。 不难发 阅读全文

摘要： 一、从一个例子开始 假设你在一家金融公司工作，老板交给你一个任务，建一个模型，用来预测一个借款人是否会违约，公司拥有一个借款人的特征数据，比如年龄。 将是否违约作为标签变量y，0表示没有违约，1表示违约。在给定特征x的情况下，我们假设 y 是一个服从伯努利分布的二值随机变量。注意，这是我们做的第一个 阅读全文

摘要： 1. 模型介绍 Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。Logistic Regression 因其简单、可并行化、可解释强深受工业界喜爱。 Logistic 回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。 1.1 Log 阅读全文

摘要： 一、什么是“核函数”我们都知道，机器学习（神经网络）的一个很重要的目的，就是将数据分类。我们想象下面这个数据（图1），在二维空间（特征表示为和）中随机分布的两类数据（用圆圈和叉叉表示）。 如果我们想要将这两类数据进行分类，那么分类的边界将会是一个椭圆: 但是如果我们可以通过一个映射，将数据的特征通过 阅读全文

摘要： Regularization can be used to avoid overfitting. But what actually is regularization, what are the common techniques, and how do they differ? Well, ac 阅读全文

摘要： 1. A linear model does not output probabilities, but it treats the classes as numbers (0 and 1) and fits the best hyperplane (for a single feature, it 阅读全文

摘要： 感知器算法是一种可以直接得到线性判别函数的线性分类方法，由于它是基于样本线性可分的要求下使用的，所以先来了解下什么是线性可分？ 线性可分与线性不可分 假设有一个包含 个样本的样本集合 , 其中 . 我们想要找到一个线性判别函数 将两类样本分开，其中 ,如图1所示： 图 1 为了讨论方便，我们将样本 阅读全文

摘要： 2. 选择性偏差校正 2.1 选择模型 选择模型有两种主要应用，一是 处理效应 (treatment effect model)，即回归模型中包含一个内生的指示变量 ()。例如，管理层是否发布盈余预测 ( 或 0) 对资本成本影响。二是 样本选择 (sample selection model)，即 阅读全文

摘要： 数据清理第一步:整体数据查看 一、查看识别变量--isid、duplicates 一般而言，每个数据集都有唯一一个识别每条记录的识别符(重复测量的长型数据除外)。Stata检查唯一识别符是否唯一的命令为isid(或许是is this an ID的缩写)。isid允许同时检查多个唯一识别符，如果没有返 阅读全文