上一页 1 2 3 4 5 6 7 8 9 ··· 16 下一页
摘要: 最小二乘法可以用于线性回归模型的参数估计,产生最佳线性无偏估计量,此时不对误差ε的分布形式作任何假设。最小二乘法可以产生β0与β1的最佳线性无偏估计量,其他统计过程,比如假设检验与置信区间构造,都假设误差服从正态分布,如果误差的分布形式一致,那么就可以使用另一种参数估计方法——极大似然法。 比如极大 阅读全文
posted @ 2020-02-27 21:08 从前有座山,山上 阅读(661) 评论(0) 推荐(0) 编辑
摘要: 语法: plot(x, y, ...) x,y分别是两个向量,x为横轴坐标,y为纵轴坐标 其他参数: type= "p" for points, 散点图 默认 "l" for lines, 线图 "b" for both, 描点连线,点与线不相连 "c" for the lines part alo 阅读全文
posted @ 2020-02-23 15:08 从前有座山,山上 阅读(2205) 评论(1) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2020-02-21 22:04 从前有座山,山上 阅读(236) 评论(0) 推荐(0) 编辑
摘要: table函数 用 table() 函数统计因子各水平的出现次数(称为频数或频率)。也可以对一般的向量统计每个不同元素的出现次数。如 sex = c("女","女","女","男","男")table(sex) sex 男 女 2 3 对一个变量用 table 函数计数的结果是一个特殊的有元素名的向 阅读全文
posted @ 2020-02-21 21:07 从前有座山,山上 阅读(24198) 评论(0) 推荐(1) 编辑
摘要: 函数 which() 可以用来找到满足条件的下标,如 x <- c(3, 4, 3, 5, 7, 5, 9) which(x > 5) 5 7 seq(along=x)[x > 5] 5 7 这里 seq(along=x) 会生成由 x 的下标组成的向量 用 which.min() 、which.m 阅读全文
posted @ 2020-02-21 20:44 从前有座山,山上 阅读(11767) 评论(0) 推荐(1) 编辑
摘要: 函数 rep(x,...) rep(x,times = n) 将向量 x 重复 n 次 rep(x,each = n) 将向量 x 的每个元素重复 n 次 在参数缺省情况下,为参数 times 阅读全文
posted @ 2020-02-17 20:12 从前有座山,山上 阅读(535) 评论(0) 推荐(0) 编辑
摘要: group = sample(seq(1,10),size = 20,replace = T) #这20个组分别属于1,...,10 v = rnorm(length(unique(group)),0,1) 对组1,...,10分别分别赋值 vj = v[group] 把值分配到每个组 阅读全文
posted @ 2020-02-16 14:18 从前有座山,山上 阅读(522) 评论(0) 推荐(0) 编辑
摘要: Sample 函数用法: sample(x, size, replace = FALSE, prob = NULL) Arguments x - 可以是含有一个或多个元素的向量或只是一个正整数。x的长度为1时,那么便从1:x中抽取样本。 size - 非负整数,从总体抽取样本的个数 replace 阅读全文
posted @ 2020-02-16 14:00 从前有座山,山上 阅读(1531) 评论(0) 推荐(0) 编辑
摘要: 转载:https://www.cnblogs.com/qamra/p/8721561.html 超参数的定义:在机器学习的上下文中,超参数是在开始学习过程之前设置值的参数,而不是通过训练得到的参数数据。通常情况下,需要对超参数进行优化,给学习机选择一组最优超参数,以提高学习的性能和效果。 理解:超参 阅读全文
posted @ 2020-02-16 13:02 从前有座山,山上 阅读(344) 评论(0) 推荐(0) 编辑
摘要: 给定了一个时间顺序向量$z_1,...,z_T$,rw模型是由次序r来定义的,$z_t$仅取决于前$t r$个元素。当r = 1时为最简单的RW模型。 给定了向量的其他元素,$z_t$的条件分布为: $z_t|z_{t 1} ~ Normal(z_{t 1} ,\sigma^2)$ 阅读全文
posted @ 2020-02-13 18:01 从前有座山,山上 阅读(2512) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 ··· 16 下一页