求模型等高线图和x，y数据之间的卡方差
是一种统计方法，用于衡量模型预测值与实际观测值之间的差异。卡方差是通过计算模型预测值与实际观测值之间的差异程度来评估模型的拟合程度。
具体计算卡方差的步骤如下：
- 首先，根据模型预测值和实际观测值，将数据进行分组。
- 对每个分组，计算模型预测值与实际观测值之间的差异，通常使用卡方统计量进行衡量。
- 将每个分组的卡方统计量进行加总，得到总的卡方差。
卡方差的计算结果越小，表示模型的预测值与实际观测值之间的差异越小，模型的拟合程度越好。
在云计算领域，卡方差可以应用于数据分析、机器学习、深度学习等领域。通过计算模型的卡方差，可以评估模型的拟合程度，并根据评估结果进行模型的优化和改进。
腾讯云提供了一系列与数据分析和机器学习相关的产品和服务，例如腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）、腾讯云数据湖分析服务（https://cloud.tencent.com/product/dla）、腾讯云人工智能开放平台（https://cloud.tencent.com/product/aiopen）、腾讯云大数据分析平台（https://cloud.tencent.com/product/dcap）等，这些产品和服务可以帮助用户进行数据分析和机器学习任务，并提供相应的工具和算法来计算卡方差等指标。
相关·内容
1回答
据我所知，如果我们只有一个特征，那么高斯NB (朴素贝叶斯分类)和LDA (线性判别分析)应该给出相同的结果。 但是我没有成功地使用scikit learn。 首先，我生成一些玩具数据 from sklearn.datasets import make_blobs
X, y = make_blobs(n_samples=20, centers=2, n_features=1,
random_state=0) 然后我创建了一个高斯分布的NB模型 from sklearn.naive_bayes import GaussianNB
gnb = Gaussian
浏览 26提问于2020-07-22得票数 1
我正在用Elliott网实现对对交易的随机传播方法。al (2005)。
这个过程包括模拟两只股票之间的价差，log(P1)-log(P2)，作为一个平均恢复过程，根据市场观察进行校准。
传播的隐藏状态进程可以这样编写：
x_{t+1} =A+ Bx_t + Ce_{t+1}
观察过程是：
y_t = x_t + D*w_t
e_t和w_t都是i.i.d。Gauusian N(0,1)
Elliott在他的论文中给出了Kalman滤波器方程，我在更新步骤的代码中实现了这个方程：
function [xt_t,st_t,xt_tm,kt,st_tm]=EMupdate(DATA_t,xt_t_m
浏览 3提问于2015-04-02得票数 2
我正试图为给定的一组数据绘制一个整体拟合混合物分布的等高线图。我的代码如下：
mu1 <- matrix(c(0.2765799, 2.30699, 0.4268534, 2.6254749, -1.30049, -0.9883130), ncol = 3)
sigma1 <- matrix(c(0.9796896, -0.5666977, -0.5666977, 1.0509883), ncol = 2)
data.grid <- expand.grid(seq1 = seq(1,10, length.out = 200), seq2 = seq(0, 5, lengt
浏览 4提问于2021-09-14得票数 0
回答已采纳
我试图用matplotlib绘制一个地理特征的等高线图。我有这个地理特征上大约47个点的x，y，z坐标的数据。Z不是x和y的函数，我读过的文档和指南表明，matplotlib只有当z是x和y的函数时才能绘制等高线图。
我的问题是:如何用x、y和z点在matplotlib上绘制等高线图，其中z≠f(x，y)？
浏览 3提问于2022-04-02得票数 1
因此，我在R中拟合了两个随机拦截的线性混合模型：
Y = X beta + Z b + e_i,
其中b ~ MVN (0, Sigma)；X和Z分别是固定和随机效应模型矩阵，beta和b是固定效应参数和随机效应BLUP/条件模式。
我想了解一下b的基本协方差矩阵，这在lme4包中似乎不是一件小事。您只能通过VarCorr获得方差，而不是实际的相关矩阵。
根据 (第2页)，您可以计算beta：e_i * lambda * t(lambda)的协方差。所有这些组件都可以从lme4的输出中提取。
我在想这是不是该走的路？或者你还有其他建议吗？
浏览 2提问于2016-06-13得票数 6
回答已采纳
从协方差矩阵(3x3 COVAR)和相应的均值(3x1 OMEGA)开始，可以生成可信区域(1-σ和2-σ)的等高线图。这样做，我也招致负值(估计)，这是我需要避免的。
换句话说，我可以从上面提到的多元分布中取样，如
samples = mvnrnd(OMEGA,COVAR,10000);%，它将导致10000x3数据集。
现在，从这个示例中，我想删除包含负值的整行。我只需要在某一行中的所有条目都是正数。我想出了两种消除这些负值的方法: 1)简单地删除包含单个负条目或2)将所有负值替换为0.0的行就是我的代码。
我就是这么做的..。
samples = mvnrnd(OMEGA,COVAR,1
浏览 1提问于2017-05-02得票数 0
回答已采纳
1回答
回归任务Keras模型的改进
、、、、
我正在尝试使用Keras模型为我的(19502,3)数据建立一个预期模型。此数据集是使用模拟软件中的参数扫描生成的。
有了这个模型，我想期望一个项目的长度和重量的基础上的成本。这就像一个反问题。
我使用了两个隐藏层(第一个具有输入形状)和一个输出层。我试图通过优化一些参数来改进我的代码，例如，层数、每个层中的单元数、激活、优化器、损失和时间。结果良好，具有一定的相关性。使用与生成数据集相同的仿真软件可以检查我的模型的结果。例如，输入= 80的期望值对应于仿真软件中的100。这个结果是很好的，但是，我想知道它是否可以得到改善。
我用的是正确的模型吗？我做得对吗？
任何帮助、建议、建议或评
浏览 0提问于2022-08-15得票数 0
我尝试在自己生成的数据上运行notebook中的代码，以证明该模型是否可以进行任何分类。https://gpflow.readthedocs.io/en/master/notebooks/basics/classification.html 所以我创建了X和Y作为输入数据。 X=np.array([-0.0259,-0.3579,-0.289,0.0356,0.0147,0.0234]).reshape(-1,1)
Y=np.array([0,0,0,1,1,1]).reshape(-1,1) 选择X和Y中的值为二进制逻辑，X中的负值等于Y中的0，X中的正值在Y中归类为1。 然后我创建了一个
浏览 19提问于2020-07-04得票数 2
1回答
我在网上查看评估模型的例子，我发现了两个例子，它们之间有什么不同，我一直认为test_X和test_Y是用来做预测的，训练数据是用来训练和评估的。
accuracy = model.evaluate(test_X, test_Y, verbose=0)
print('Accuracy: %.2f' % (accuracy[1]*100))
accuracy
accuracy1 = model.evaluate(train_X, train_Y, verbose=0)
print('Accuracy: %.2f' % (accuracy[1]*100))
ac
浏览 3提问于2022-10-04得票数 -2
混合Gibbs模型对于拟合空间模式数据是灵活的，然而，我对如何获得拟合模型的估计的置信区间感到困惑。例如，我拟合了一个混合geyer模型，包括一个硬核和一个geyer饱和度分量，得到了估计： Mo.hybrid<-Hybrid(H=Hardcore(), G=Geyer(81,1))
my.hybrid<-ppm(my.X~1,Mo.hybrid, correction="bord")
#beta = 1.629279e-06
#Hard core distance: 31.85573
#Fitted G interaction parameter gamm
浏览 13提问于2020-01-01得票数 0
1回答
我有一个数据集，它有6个输入特性和5个输出特性。我想使用keras序列模型来估计任意一行输入特征的平均向量和协方差矩阵，假设输出特征服从多元正态分布。
对于我的数据集，对于任何6个输入特性，我都希望得到一个5值的均值向量和一个5*5的协方差矩阵。
sample=pd.DataFrame({'X1':[1,2,3,4,5,6],
'X2':[1,3,1,5,2,7],
'X3':[3,0,0,7,5,0],
'X4':[0,4,3,2,5,8],
浏览 0提问于2020-12-03得票数 0
我有一条光谱线的数据，这条光谱线形成了一个嘈杂的U型曲线。我想要拟合一条曲线，并找到最小点的x，y值。然后，我使用polyfit对其进行了多项式拟合。然后我在拟合的曲线上找到了最小点。注:原始曲线不对称(左侧比右侧略陡峭)。因此，min(原始)略高于min(fitted_curve)，我如何找到这一点的X和Y误差？以下是我的代码的主要部分：
import pylab , numpy
x = [... linear list of floats ...]
y = [... list of floats ...] # Produces a noisy U shaped curve .
f
浏览 0提问于2014-01-16得票数 0
我做了拉索回归，但得到了负的R平方。在这里，我的编码：
X = df.drop('var', axis=1)
y = df['var']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=10)
reg = Lasso(alpha=0.5)
reg.fit(X_train, y_train)
lambdas = (0.001, 0.01, 0.1, 0.5, 1, 2, 10)
l_num = 7
pred_num = X.shape[1]
浏览 2提问于2020-08-18得票数 0
回答已采纳
1回答
所以，我定义了一个高斯分布，后来我把它拟合成了数据点。我是这样定义的：
def Gauss(x, a, x0, sigma):
return a * np.exp(-(x - x0)**2 / (2 * sigma**2))
popt, pcov = curve_fit(Gauss, x, y, p0=[max(y), mean, sigma])
当我要求打印我的popt时，我得到了一个矩阵，它首先给出了最大y值，然后给出了平均值，最后给出了高斯的西格玛。现在，我想知道这些值的误差，所以我想知道高斯拟合的误差。我认为我可以从pcov (协方差矩阵)中检索错误，但是当被要求打印pcov
浏览 1提问于2019-03-11得票数 2
我想要估计一个固定效应模型，同时使用面板校正的标准误差以及普拉斯-温斯顿(AR1)变换，以解决面板异方差，同时空间相关性和自相关性。
我有时间序列横截面数据，想要执行回归分析。我能够分别估计固定效应模型、面板校正标准误差和Prais-winsten估计。我能够将面板校正后的标准误差包含在固定效果模型中。但我想一次把它们都拿出来。
# Basic ols model
ols1 <- lm(y ~ x1 + x2, data = data)
summary(ols1)
# Fixed effects model
library('plm')
plm1 <- plm(y
浏览 9提问于2019-05-08得票数 1
1回答
我想用R包MCMCglmm来估计二项式模型。该模型应包括一个截距和一个斜坡-作为固定部分和随机部分。如何指定接受的prior？(注意，，但是在一个更复杂的环境中。)
假设数据具有以下形式：
y x cluster
1 0 -0.56047565 1
2 1 -0.23017749 1
3 0 1.55870831 1
4 1 0.07050839 1
5 0 0.12928774 1
6 1 1.71506499 1
事实上，这些数据是由
set.seed(123)
nj <- 15
浏览 1提问于2016-11-15得票数 0
回答已采纳
1回答
我对用python pymc3包进行负二项式回归的解释感到困惑。我不知道如何解释GLM中的mu和alpha。这里我有一个简单的向量，我想为自己找到NB回归模型：
# The data
y = [100,200,300,400,50,300,60,89,90,100,100]
data = {'y':y, 'x':[1]*len(y)}
basic_model = pm.Model()
with basic_model:
fml = 'y~x'
pm.glm.GLM.from_formula(formula=fml, data=da
浏览 1提问于2018-10-15得票数 0
回答已采纳
我正在学习在SAS中混合使用PROC，以了解如何使用随机和重复语句，使用简单的重复数据(前、后)。我检查了许多类似的问题，但我仍然是一个初学者，所以有以下两个问题。请给我一些建议。
1.关于配对检验，在以下简单的重复数据(前、后)中，有两种情况，即被试(id)为“固定效应”或“随机效应”。我经常把它看作是“固定效应”，一般来说，这就是理论吗？为什么？
2.在以下情况下，将“随机”和“重复”放在一起是不正确的？我该怎么办？
2021.3.21我编辑了以下程序。我得到了“random=repeated”这样的结果。但我不明白“random+repeated”的意思。这也是正确的吗？无论如何，id在
浏览 6提问于2021-03-18得票数 1
回答已采纳
我有一些表面数据是由外部程序生成的XYZ值。我想使用matplotlib创建以下图表：
曲面图
等高线图
等高线图与表面图重叠
我看过几个用matplotlib绘制曲面和轮廓的例子--然而，Z值似乎是X和Y的函数，即Y~ f(X，Y)。
我假设我将需要以某种方式转换我的Y变量，但我还没有看到任何例子，这说明了如何做到这一点。
因此，我的问题是:给定一组(X，Y，Z)点，我如何从这些数据生成曲面和等高线图？
顺便说一句，我不想创建散点图。另外，尽管我在标题中提到了matplotlib，但我并不反对使用rpy(2)，如果这将允许我创建这些图表的话。
浏览 2提问于2010-06-10得票数 22
回答已采纳
2回答
回归问题Y中的响应变量是使用数据矩阵X建模的。
在符号中，这意味着：
Y ~ X
但是，Y可以分离成可以独立建模的不同组件。
Y = Y_1 + Y_2 + Y_3
在什么条件下，总体预测M的性能会比单个模型的总和M_1 + M_2 + M_3更好还是更差？
为了提供更多的背景，所使用的模型是一个GBM。我惊讶地发现，为特定的Y_i训练模型比使用总体模型M预测Y_i的性能要好得多。Y_i's是高度相关的，事后看来，这并不奇怪，因为训练一个与目标相关的向量模型也是与目标相关的。
以线性模型和独立响应变量为例进行类比。
总体模型是
Y = X\beta
很容易看出，模型的和就是和的
浏览 0提问于2019-05-15得票数 7
1回答
各位，
我试图使用具有许多固定效应和附加随机效应的{nlme}包中的lme()来拟合R中的模型(因为以后我还想包含AR(1)相关矩阵)。然而，该模型非常缓慢(由于大量的固定效应)。
现在，我们知道使用虚拟模型运行模型是数字的，但不是计算上的，相当于在非平均数据上运行模型(在估计范围内)。因此，以下两个模型可以得到相同的结果，但第一个模型运行得更快：
# Load library
library(nlme) # For lme()
library(lfe) # For demeanlist()
# Create reproducible dummy dataset
set.seed(
浏览 2提问于2015-06-20得票数 2
用于跟踪图像中的边界盒位置和速度，其中测量值不太嘈杂，但包围盒移动得非常快。
state_size = 6; // x,y,w,h,vx,vy of BB
meas_size = 4; // x,y,w,h of BB
contr_size = 0;
int type = CV_32F;
初始化转换、过程噪声和测量噪声。
cv::KalmanFilter kf;
kf.init(state_size, meas_size, contr_size, type);
setIdentity(kf.transitionMatrix);
kf.transitionMatrix.at<float&
浏览 6提问于2020-06-22得票数 0
回答已采纳
2回答
我几天前开始使用R studio，我正在努力计算一个VIF。情况是这样的：
我有一个面板数据，并运行固定效果和随机效果回归。我有一个因变量(New_biz_density)和两个自变量(Cost_to_start，Capital_requirements)。我想通过计算它们的方差膨胀因子来检查我的两个独立变量是否呈现多重共线性，对于固定和随机效应模型都是如此。
我已经安装了一些包来执行VIF (Faraway，Car)，但没有成功。有人知道怎么做吗？
下面是我的脚本：
# install.packages("plm")
library(plm)
mydata<- rea
浏览 0提问于2016-11-23得票数 0
1回答
用PCA降低回归问题的模型精度
、、、、
我正试图建立一个预测航班票价的预测问题。我的数据集有几个可处理的变量，如类、小时、周、月、月等。我使用多种算法(如xgboost、ANN )来拟合模型。
我有一个热编码的这些变量，导致总共90个变量，当我试图为这个数据拟合一个模型时，训练r2_score在.90附近很高，测试分数相对很低(0.6)。
我对时间变量使用了正弦和余弦变换，总共只有27个变量。随着这种训练的准确性下降到.83，但是测试分数增加到.70。
我认为我的变量是稀疏的，并尝试进行PCA，但这大大降低了性能的火车集和测试集。
因此，我对同样的问题很少有疑问。
为什么PCA对我的模型的性能没有很大的帮助和逆转？
对如何提高我的模
浏览 0提问于2020-01-06得票数 2
我正在尝试(使用PolymonialFeatures(degree = 2))使用cross_val_score来评估我的回归模型。正如我在不同的博客文章中指出的那样，我应该将cross_val_score与原始的X、y值一起使用，而不是X_train和y_train。 r_squareds = cross_val_score(pipe, X, y, cv=10)
r_squareds
>>> array([ 0.74285583, 0.78710331, -1.67690578, 0.68890253, 0.63120873,
0.74753825, 0.
浏览 63提问于2021-08-16得票数 0
回答已采纳
1回答
我编写了一些代码，使用多线性模型从里程、气缸、车门、巡航、音响、皮革数据中预测汽车的价格。快照中的示例数据：，然后我想检查模型中是否有高度共线性的特性，以及它们是否影响模型的质量，如下所示，我得到的结果是一个数组(我假设它是一个VIF数组？)，但是，我的理解是，每个VIF值应该表示每两个特性之间的一致性，这意味着它应该是一个矩阵而不是数组，对吗？如何从数组中检查colinearity？或者我应该以某种方式改变我的密码来得到矩阵？谢谢!
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRe
浏览 1提问于2020-02-12得票数 0
3回答
目前，我正在实现一个高斯回归过程模型，在尝试将其应用于我的问题范围时，我遇到了一些问题。我的问题是，我有三个变量作为模型的输入，其中一个值(theta)比另外两个值alpha1和alpha2有更大的影响。输入和输出具有以下值(为了更好地理解，仅列出几个值)：
# X (theta, alpha1, alpha2)
array([[ 9.07660169, 0.61485493, 1.70396493],
[ 9.51498486, -5.49212002, -0.68659511],
[10.45737558, -2.2739529 , -2.03918961]
浏览 0提问于2020-03-02得票数 6
1回答
我得到了一个海洋模型的ASCII数据，该模型应用了表单的非结构化网格
id lat lon value
也许是s.th。喜欢
dsize <- 100
data=data.frame(id=seq(1:dsize),
lat=sort(runif(dsize)*10+2570740),
lon=runif(dsize)*10+6926070,
val=sin(2*pi*(1:dsize)/dsize) + runif(1,-1,1)*10)
我现在想用(x=lat，y=lon，z=val)可视化结果
浏览 3提问于2013-11-14得票数 1
希望标题对我的问题作了充分的描述。基本上，我在MATLAB中用等高线(x，y，z)函数生成等高线图，其中x和y是不同长度的向量，z是一个数据矩阵，维数为x乘以y。等高线图很好，但是，我希望用矩阵z中的实际数据点覆盖这幅图。我试过使用散射函数，但我收到了一个错误消息，告诉我X和Y必须是相同长度的向量--而它们不是。还有其他方法可以做到这一点吗？
提前感谢您的帮助/建议！
浏览 2提问于2016-05-20得票数 2
回答已采纳
我有一个简单的线性回归模型，我需要计算方差和协方差。如何用线性回归计算方差和协方差？
方差，在机器学习的上下文中，是由于模型对训练集中的小波动的敏感性而产生的一种错误。
from sklearn.linear_model import LinearRegression
import numpy as np
X = np.array([2,3,4,5])
y = np.array([4,3,2,9] )
#train-test split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.33, ra
浏览 3提问于2019-09-20得票数 0
回答已采纳
1回答
我得到了一个包含多项式响应变量和连续预测变量的数据集，并试图找出每个预测变量的AIC，F，p值和每类响应变量的解释方差比例，以便找到最佳预测模型。我正在使用函数multinom (来自nnet)和stepAIC (来自MASS)，虽然我似乎能够得到一个最优模型及其AIC，但我不知道如何获得单个变量AIC，F，p值和解释方差的比例。
我使用的代码是：
library(nnet)
library(MASS)
model<-multinom(Age~HeightD+HeightI+Inclination+HalfWidth+BaseWidth+WidthRatio+BaseDepth+Half
浏览 5提问于2015-08-04得票数 1
1回答
我尝试在虹膜数据集上使用线性回归模型。
from sklearn import datasets
import seaborn as sns
import pandas as pd
import statsmodels.api as sm
import statsmodels.formula.api as smf
from sklearn.linear_model import LinearRegression
# load iris data
train = sns.load_dataset('iris')
train
# one-hot-encoding
specie
浏览 5提问于2021-11-23得票数 0
回答已采纳
1回答
的方差如何计算？
和
线性回归模型的估计量
R中是否有一个函数来求这两个估计量的均值、方差等点估计量？
我的数据是
fit <- lm(log(TV.Drna$ppDr)~log(TV.Drna$ppTV),data=log(TV.Drna))
浏览 2提问于2015-09-15得票数 1
1回答
我正在处理一个数据问题。我的数据集由(X，Y)坐标的观测组成，表示某个网格上的位置。有两个基于变量Z的组，A组是Z>10的所有点，B组是Z<10的所有点。
将(X，Y)坐标的两组分别进行聚类，比较星系团的位置，得出Z对点位置的影响是一个好主意吗？
我想用统计学的方法来说明，如果有的话，A组和B组的点数是多么的不同。所以我可以说，区别是因为Z。
浏览 0提问于2019-10-22得票数 1
我必须从一个拟合函数中计算出两个参数之间的协方差。我在Python中找到了这个名为iminuit的包，它进行了很好的拟合，并计算了参数的协方差矩阵。我在一个简单的函数上测试了这个包。这是代码：
from iminuit import Minuit, describe, Struct
def func(x,y):
f=x**2+y**2
return f
m = Minuit(func,pedantic=False,print_level=0)
m.migrad()
print("Covariance:")
print(m.matrix())
这是输出：
协
浏览 2提问于2016-06-12得票数 0
回答已采纳
1回答
我对matplotlib中的等高线图有点纠结。我已经通读了说明和示例，但似乎不知道我需要做什么。
我有x，y，z数据。数据基本如下：
x y z
1.1 2.1 0
0.9 3.2 1
2.6 4.1 0
3.1 1.1 1
0.3 0.9 1
...
它是一个很长的x-y坐标列表，在每个点上都是0-1。使用案例是棒球中的球(1)，击球(0)穿过好球区域。当我使用plt.hexbin绘制数据时，您会看到以下内容：
我想做的是在50%的线上画一条等高线。如下所示：
我希望使用轮廓线，但我不清楚如何才能获得足够的数据格式来绘制等高线图，并使用“级
浏览 5提问于2018-05-04得票数 1
我有数据显示，一行输入的大小为1x2 (两个值)，输出是大小为15x3的矩阵(15行有三个值)。
|-----------------|
|y01,2 y01,2 y01,3|
|y02,1 y02,2 y02,3|
|. |
|. |
|. |
|. |
|.
浏览 0提问于2018-07-12得票数 0
回答已采纳
我想为Keras深度学习回归模型创建一个自定义损失函数。对于自定义损失函数，我希望使用数据集中的特征，但我没有使用该特定特征作为模型的输入。
我的数据如下所示：
X | Y | feature
---|-----|--------
x1 | y1 | f1
x2 | y2 | f2
模型的输入是X，我想使用该模型来预测Y。我想要下面这样的东西作为损失函数：
def custom_loss(feature):
def loss(y_true, y_pred):
root_mean__square(y_true - y_pred) + std(y_pred - f
浏览 0提问于2020-12-07得票数 0
1回答
我有下面的数据框，从那里我已经从我的线性回归模型的系数的贝塔中计算出了矩阵b。如何在R或s^2_b中创建方差-协方差矩阵？ y <- c(42, 33, 75, 28, 91, 55)
int <- c(1, 1, 1, 1, 1, 1)
x1 <- c(7, 4, 16, 3, 21, 8)
x2 <- c(33, 41, 7, 49, 5, 31)
df <- data.frame(y, x1, x2)
mod1 <- lm(y ~ x1 + x2, data = df)
# b
iint <- summary(mod1)$coefficien
浏览 50提问于2019-12-11得票数 1
回答已采纳
我有一些数据，y有误差，y_err，测量值为x。我需要拟合一条直线，以模拟matlab中的一些代码，特别是具有稳健"on“的拟合方法，并将权重设为1/yerr。matlab文档称它使用了bisquare方法(也称为TukeyBiweight方法)。目前为止我的代码是..。
rlm_model = sm.RLM(y, x, M=sm.robust.norms.TukeyBiweight())
rlm_results = rlm_model.fit()
print rlm_results.params
然而，我需要找到一种方法，包括来自yerr的权重。希望大家能帮忙
浏览 7提问于2014-02-13得票数 1
回答已采纳
2回答
我有一个时间序列数据(让我们把它表示为y)和一些特性(让我们把它表示为x)。y依赖于x，但是x通常等于0。即使如此，y也不是0，所以我们可以假设y中有一个独立于x的基本级别。此外，我们还可以观察到y的一些季节性。我需要将y分解成基本级别和x的效果。我需要一些关于方法论的提示。我搜索并找到了很多方法将时间序列数据分解成趋势、季节性和随机噪声。然而，我的情况是不同的，因为我有一个额外的功能x和我只想提取它的效果，并离开趋势，季节性和噪音所有。我所想到的可以在下面的地块上表示，其中绿松石区域代表y的基本水平，而红色区域代表x的影响。什么样的方法才能做出这样的分裂呢？我也将感谢任何链接或材料。
📷
浏览 0提问于2018-09-06得票数 2
回答已采纳
1回答
我需要些帮助。我有一个等式：
f(x) = acos(x) + (b__sqrt(x) + c__tg(x))^2
其中a，b，c是未知参数。另外，在监督的ML问题中，我有几对x -> f(x)。
我怎样才能找到参数？我在考虑一些数值方法和线性回归，但实际上我不知道该怎么做。
浏览 7提问于2022-06-26得票数 0
1回答
MCMCglmm中“特质”的含义
、、、、
就像在中一样，我很难理解MCMCglmm的表示法，尤其是trait的含义。我的代码包括以下内容
library("MCMCglmm")
set.seed(123)
y <- sample(letters[1:3], size = 100, replace = TRUE)
x <- rnorm(100)
id <- rep(1:10, each = 10)
dat <- data.frame(y, x, id)
mod <- MCMCglmm(fixed = y ~ x, random = ~us(x):id,
data
浏览 3提问于2016-09-28得票数 4
问题(用最小的工作例子)
Dicekriging给出的线性相关误差约为数据接近线性依赖时的一半时间。下面的例子可以看出这一点，当我在Ubuntu和windows计算机上运行它时，大约有一半时间出现了错误。当我使用遗传优化或BFGS优化运行它时，就会发生这种情况。
install.packages("DiceKriging")
library(DiceKriging)
x = data.frame(Param1 = c(0,1,2,2,2,2), Param2 = c(2,0,1,1e-7,0,2))
y = 1:6
duplicated(cbind(x,y))
Model
浏览 2提问于2015-05-22得票数 0
回答已采纳
1回答
我有一系列的样本，我希望建立一个变异函数模型，并最终建立克里格模型。首先，我需要减少数据，如下所示：
samples
x y z
1 180 1180 2.763441
2 180 240 -2.000000
3 380 1840 1.720087
4 720 80 4.056754
5 860 800 4.361503
6 620 1360 4.737717
7 980 1920 4.352956
8 1680 260 4.568255
9 1520 800 5.025272
10 1100 1220
浏览 4提问于2015-04-03得票数 0
我有一堆X值和一堆Y1，Y2，Y3值。我想测试一下X和Y1，X和Y2，X和Y3之间的独立性。我如何在matlab中高效地完成这项工作。我的变量是绝对的。
我可以使用交叉表，如交叉表(X，Y1)，并获得p值来查看独立/依赖关系。但是我必须分别迭代Y1，Y2和Y3，这会花费很多时间。
我有大约20000个Y。那么，有没有办法在matlab中高效地一次获得20000个p值呢？
X Y1
1 0
1 0
2 0
2 1
3 0
3 1
3 1
3 1
浏览 1提问于2014-01-09得票数 1
2回答
好样的，
我在MATLAB中工作，我使用蒙特卡罗技术来拟合一个模型。基本上，如果我们假设我的模型是一个简单的函数，例如
y=m*x^2+c
而且，我的参数m和c都在0.5到10之间，我可以从这样的参数空间随机抽取，每次得到一个新的y。如果我绘制所有的y实现，我得到类似于下面的数字：
是否有一种方法来表示实现的密度？我的意思是，是否有一种方法(而不是绘制所有的实现)来获得某种等高线图，该等高线图介于我迭代的最小值和它的颜色所代表的某个区间内的实现量之间吗？
谢谢大家！
浏览 4提问于2016-02-18得票数 3
回答已采纳
2回答
分段包R求分段分位数线性回归
、、、、
我正在寻找一种方法，以获得分段分位数线性回归与R，我已经能够计算分位数回归与软件包quantreg。但是，我不想只需要一个唯一的斜率，而是要检查我的数据集中的断点。我已经看到segmented包可以做到这一点。虽然使用lm或glm执行fit很好(如下面的示例所示)，但它无法实现分位数。
在segmented包信息中，我读到有一个segmented.default，它可以用于特定的回归模型，例如分位数。然而，当我将它应用于我的分位数结果时，它会给出以下错误：
diag(vv)中的错误:无效的'nrow‘值(太大或NA)，此外:警告消息:无法计算协方差矩阵
如果我没有使用K=2，而
浏览 4提问于2020-02-14得票数 3
1回答
在Python/Pandas中，我使用PanelOLS函数。此函数使您能够对标准错误进行聚类。例如：
PanelOLS(y=panel.Y, x=panel[['X1', 'X2'], nw_lags=10, time_effects=True,
cluster='time')
但是，我也希望通过entity和time对标准错误进行聚类。
是否有办法这样做？如果没有，那么statsmodel中的面板函数如何？我很难找到关于使用状态模型的Panel回归的文档。
UPDATE如果我控制使用newey延迟(nw_lags)，这不像cl
浏览 6提问于2015-08-12得票数 1
我只是好奇，想问这个问题。当我手动计算一组数据的协方差矩阵时，为什么我的值与numpy的值略有不同？
我有两组数据X和Y
data = io.loadmat("datafile.mat")['data']
X = data[:,0]
Y = data[:,1]
协方差矩阵可以这样计算(通过查看X和X、X和Y、Y和X之间的相关性，等等)
n = len(X)
corXX = np.var(X)
corXY = (1/n)*np.dot(X - np.mean(X), Y - np.mean(Y))
corYY = np.var(Y)
covariance = np
浏览 9提问于2018-02-20得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
