开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

R中大型文档术语矩阵中的有效滞后变量创建

在R中，大型文档术语矩阵中的有效滞后变量创建是指通过滞后变量的方式来分析文档中的术语之间的关系和影响。滞后变量是指在时间序列分析中，将当前时间点的变量值作为自变量，将过去某个时间点的变量值作为因变量，用于预测未来的变量值。

有效滞后变量的创建可以通过以下步骤实现：

数据准备：首先，需要将大型文档转换为文本数据，并进行预处理，如去除停用词、标点符号等，以及进行词干化或词形还原等操作。
构建术语矩阵：使用R中的文本挖掘或自然语言处理工具，如tm包、tidytext包等，将文本数据转换为术语矩阵。术语矩阵是一个二维矩阵，其中行表示文档，列表示术语，矩阵元素表示术语在文档中的频率或权重。
创建滞后变量：使用R中的lag函数或其他相关函数，根据需要选择合适的滞后期数，将术语矩阵中的某些列（术语）向后滞后若干期，创建滞后变量。滞后变量的个数和滞后期数可以根据实际需求进行调整。
数据分析：利用创建的滞后变量，可以进行各种数据分析任务，如时间序列分析、回归分析、聚类分析等。可以使用R中的各种统计分析包和机器学习包，如stats包、forecast包、caret包等。
结果解释和应用场景：根据具体的分析结果，解释滞后变量的影响和关系，可以用于预测未来的术语出现情况、发现术语之间的关联规律等。在实际应用中，可以应用于文本挖掘、信息检索、情感分析、舆情监测等领域。

腾讯云相关产品和产品介绍链接地址：

腾讯云文本智能分析：https://cloud.tencent.com/product/tca
腾讯云机器学习平台：https://cloud.tencent.com/product/tf
腾讯云大数据分析平台：https://cloud.tencent.com/product/dca
腾讯云人工智能开发平台：https://cloud.tencent.com/product/ai
腾讯云自然语言处理：https://cloud.tencent.com/product/nlp

请注意，以上仅为示例，实际选择产品和链接地址应根据具体需求和腾讯云的产品更新情况进行选择。

相关搜索:R- bigram标记器中的文档术语矩阵不起作用 R-获取文档术语矩阵中每个文档的标记计数 R中创建新变量名和滞后的嵌套循环 R中的循环遍历变量名并创建新的滞后变量从列表中存储的多个矩阵创建矩阵(r)使用R中的嵌套for循环创建矩阵使用sparklyr将Spark数据帧转换为R中的术语文档矩阵创建R中的矩阵列表在R中创建入库的前导和滞后在R中创建特殊的对角矩阵

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响|附代码数据

代数表示可以通过以下方式给出：定义DLNM的第一步是在函数mkbasis（）中执行的，该函数用于创建基础矩阵Z。此函数的目的是提供一种通用的方式来包含x的非线性效应。...举例来说，我建立了一个将所选基函数应用于向量的基矩阵： R> mkais(1:5, tpe = "s", df = 4, egree = 2, cenvlue = 3) 结果是一个列表对象，存储基础矩阵和定义该矩阵的自变量...3.定义DLNM DLNM规范的最后一步涉及同时定义预测器和滞后两个维度中的关系。尽管非线性和滞后效应的术语不同，但这两个过程在概念上是相似的：定义表示相关空间中关系的基础。...首先，选择x的基函数得出Z，然后为x的每个基变量创建附加的滞后维度，从而生成一个数组R˙。通过定义的C，DLNM可以表示为：选择交叉基等于如上所述选择两组基函数，将其组合以生成交叉基函数。...例如： R> summary(basis.temp) 为了估计相应参数η，可以在通用回归函数的模型公式中包括交叉基矩阵。

7812 0

分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响|附代码数据

代数表示可以通过以下方式给出：定义DLNM的第一步是在函数mkbasis（）中执行的，该函数用于创建基础矩阵Z。此函数的目的是提供一种通用的方式来包含x的非线性效应。...举例来说，我建立了一个将所选基函数应用于向量的基矩阵： R> mkais(1:5, tpe = "s", df = 4, egree = 2, cenvlue = 3) 结果是一个列表对象，存储基础矩阵和定义该矩阵的自变量...3.定义DLNM DLNM规范的最后一步涉及同时定义预测器和滞后两个维度中的关系。尽管非线性和滞后效应的术语不同，但这两个过程在概念上是相似的：定义表示相关空间中关系的基础。...首先，选择x的基函数得出Z，然后为x的每个基变量创建附加的滞后维度，从而生成一个数组R˙。通过定义的C，DLNM可以表示为：选择交叉基等于如上所述选择两组基函数，将其组合以生成交叉基函数。...例如： R> summary(basis.temp) 为了估计相应参数η，可以在通用回归函数的模型公式中包括交叉基矩阵。

7592 0

分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响

代数表示可以通过以下方式给出：定义DLNM的第一步是在函数mkbasis（）中执行的，该函数用于创建基础矩阵Z。此函数的目的是提供一种通用的方式来包含x的非线性效应。...举例来说，我建立了一个将所选基函数应用于向量的基矩阵： R> mkais(1:5, tpe = "s", df = 4, egree = 2, cenvlue = 3) 结果是一个列表对象，存储基础矩阵和定义该矩阵的自变量...3.定义DLNM DLNM规范的最后一步涉及同时定义预测器和滞后两个维度中的关系。尽管非线性和滞后效应的术语不同，但这两个过程在概念上是相似的：定义表示相关空间中关系的基础。...首先，选择x的基函数得出Z，然后为x的每个基变量创建附加的滞后维度，从而生成一个数组R˙。通过定义的C，DLNM可以表示为：选择交叉基等于如上所述选择两组基函数，将其组合以生成交叉基函数。...例如： R> summary(basis.temp) 为了估计相应参数η，可以在通用回归函数的模型公式中包括交叉基矩阵。

3.4K3 0

分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响|附代码数据

代数表示可以通过以下方式给出：定义DLNM的第一步是在函数mkbasis（）中执行的，该函数用于创建基础矩阵Z。此函数的目的是提供一种通用的方式来包含x的非线性效应。...举例来说，我建立了一个将所选基函数应用于向量的基矩阵： R> mkais(1:5, tpe = "s", df = 4, egree = 2, cenvlue = 3) 结果是一个列表对象，存储基础矩阵和定义该矩阵的自变量...3.定义DLNM DLNM规范的最后一步涉及同时定义预测器和滞后两个维度中的关系。尽管非线性和滞后效应的术语不同，但这两个过程在概念上是相似的：定义表示相关空间中关系的基础。...首先，选择x的基函数得出Z，然后为x的每个基变量创建附加的滞后维度，从而生成一个数组R˙。通过定义的C，DLNM可以表示为：选择交叉基等于如上所述选择两组基函数，将其组合以生成交叉基函数。...例如： R> summary(basis.temp) 为了估计相应参数η，可以在通用回归函数的模型公式中包括交叉基矩阵。

4730 0

短语挖掘与流行度、一致性及信息度评估：基于文本挖掘与词频统计|附数据代码

TF-IDF加权词频的文档-术语矩阵。...文档-术语矩阵的构建与稀疏项的处理在文本挖掘的实践中，构建文档-术语矩阵（Document-Term Matrix, DTM）是分析文本数据的关键步骤之一。...通过使用R语言的tm包，我们能够方便地创建并处理这类矩阵。在本节中，我们将展示如何构建DTM，并讨论如何处理其中的稀疏项。首先，我们成功创建了一个DTM，其包含了三个文档和四个术语。...该矩阵的非零/稀疏项比例为4/8，稀疏度达到了67%，意味着大部分项都是零值。此外，矩阵中的最大术语长度为9个字符，而权重计算则基于词频-逆文档频率（TF-IDF）方法。...在R中，tm包提供了removeSparseTerms函数来实现这一目的。为了移除稀疏项，我们设定了一个阈值，即当一个术语在文档中的出现频率低于某个比例时，它将被视为稀疏项并被移除。

1291 0

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化

最近我们被要求撰写关于用药规律的研究报告，包括一些图形和统计输出。对入选的中药专利复方进行术语规范化等处理，抽取信息、建立表，应用数据分析软件R对数据进行关联规则分析，应用网络分析软件进行聚类分析。...药对中的中药在组方配伍时具有在处方中同时出现的特点，因此在关联规则分析中，分析置信度较大且双向关联的规则即可得到药对。...，关联规则大量涌现，使得其中的配伍规律变得难以分析，应用网络聚类方法可以有效地发现其中的配伍规律。...#聚类类别号kmod$cluster查看每个类别中的强关联规则聚类1聚类2配伍关系网络的聚类分析结果显示了抑郁症治疗中常用的中药“社团”，反映了复方中一些配伍关系相对密切、固定的中药联合，临床运用可以提高疗效...----最受欢迎的见解1.R语言分布式滞后非线性模型（DLNM）空气污染研究温度对死亡率影响建模2.R语言分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据3.R语言群组变量选择

2790 0

【视频】ARIMA时间序列模型原理和R语言ARIMAX预测实现案例

R语言用ARIMA模型，ARIMAX模型预测冰淇淋消费时间序列数据标准的ARIMA（移动平均自回归模型）模型允许只根据预测变量的过去值进行预测。...ARIMAX模型类似于多变量回归模型，但允许利用回归残差中可能存在的自相关来提高预测的准确性。本文练习提供了一个进行ARIMAX模型预测的练习。还检查了回归系数的统计学意义。...创建一个有以下几列的矩阵。温度变量的值。收入变量的值。滞后一期的收入变量的值。滞后两期的收入变量的值。输出该矩阵。...注意：最后三列可以通过在收入变量值的向量中添加两个NA来创建，并将得到的向量作为嵌入函数的输入（维度参数等于要创建的列数）。...预测需要一个未来6个时期的期望温度和收入的矩阵；使用temp变量和以下期望收入值创建矩阵：91, 91, 93, 96, 96, 96。

5371 1

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例

它在内部调用onebasis（）来生成暴露-反应和滞后-反应关系的基矩阵，并通过特殊的张量积将它们组合起来，以创建交叉基，该交叉基在模型中同时指定了暴露-滞后-反应关联性。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...例如，我使用创建的交叉基矩阵cb，使用数据集时间序列数据来研究温度与心血管疾病死亡率之间的关联。首先，我将一个简单的线性模型与模型公式中包含的交叉基矩阵拟合。...前两个自变量base和model指定交叉基矩阵和需要对其执行计算的模型对象。

5.6K3 1

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

它在内部调用onebasis（）来生成暴露-反应和滞后-反应关系的基矩阵，并通过特殊的张量积将它们组合起来，以创建交叉基，该交叉基在模型中同时指定了暴露-滞后-反应关联性。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...例如，我使用创建的交叉基矩阵cb，使用数据集时间序列数据来研究温度与心血管疾病死亡率之间的关联。首先，我将一个简单的线性模型与模型公式中包含的交叉基矩阵拟合。...前两个自变量base和model指定交叉基矩阵和需要对其执行计算的模型对象。

7640 0

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

它在内部调用onebasis（）来生成暴露-反应和滞后-反应关系的基矩阵，并通过特殊的张量积将它们组合起来，以创建交叉基，该交叉基在模型中同时指定了暴露-滞后-反应关联性。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...例如，我使用创建的交叉基矩阵cb，使用数据集时间序列数据来研究温度与心血管疾病死亡率之间的关联。首先，我将一个简单的线性模型与模型公式中包含的交叉基矩阵拟合。...前两个自变量base和model指定交叉基矩阵和需要对其执行计算的模型对象。

5020 0

R语言中ARMA，ARIMA（Box-Jenkins），SARIMA和ARIMAX模型用于预测时间序列数据

对于k=1k=1，我们获得普通的成对差异，而对于k=2k=2我们获得相对于前任先前的成对差异。让我们考虑R中的一个例子。使用R，我们可以使用diff函数计算滞后差异。...偏自相关由于观察到较大滞后的自相关可以是较低滞后的相关结果，因此通常值得考虑部分自相关函数（pACF）。pACF的想法是计算部分相关性，这种相关性决定了对变量的最近观察的相关性。...正如我们所看到的，采用对数已经使季节性成分的幅度沿时间均衡。请注意，总体增长趋势没有改变。在R中分解时间序列数据要分解R中的时间序列数据，我们可以使用该decompose函数。...在第一个图中，只有第一个滞后的自相关是显着的，而第二个图表明前两个滞后的自相关是显着的。为了找到MA术语的数量，适用与AR术语类似的规则：MA术语的顺序对应于自相关显着的最大滞后。...我们将模拟缺点，冰淇淋消费作为时间序列，并使用收入，价格和平均值作为外生变量。在开始建模之前，我们将从数据框中创建一个时间序列对象。我们现在调查数据： ?

3K2 0

度量学习总结(二) | 如何使用度量学习处理高维数据？

从左下角的内积矩阵可以看出，即使这三个句子都是关于度量学习的，文档A和C之间的距离也很大。...这个示例说明了当矩阵内积较大时，术语频率模型是相当精确的，但是当矩阵内积较小或为零时，术语频率模型可能不准确。 TFIDF是用余弦相似度来计算x和y的距离。...在术语频率模型中，两个文档可以具有非常相似的上下文含义，但是可能不一定共享许多相同的单词。因此，两个文档之间的内积可能非常小，甚至为零，从而导致较大的欧几里德距离。...考虑两点x和y的潜在因素之间的欧氏距离：其中：低阶马氏距离也可以在O（dk）时间内有效地计算，因为二维实例x和y之间的距离可以通过首先通过计算R T x和R T y将它们映射到低维空间来计算，然后在低维点之间计算标准平方欧几里德距离...该算法采用循环投影的方法，通过迭代地将当前解投影到单个约束上。该算法不是直接处理d×d矩阵A，而是优化其d×k因子矩阵B。在实践中，可以通过监视对偶变量λ的变化。步骤5-10计算投影参数β。

1.6K2 0

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

它在内部调用onebasis（）来生成暴露-反应和滞后-反应关系的基矩阵，并通过特殊的张量积将它们组合起来，以创建交叉基，该交叉基在模型中同时指定了暴露-滞后-反应关联性。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...例如，我使用创建的交叉基矩阵cb，使用数据集时间序列数据来研究温度与心血管疾病死亡率之间的关联。首先，我将一个简单的线性模型与模型公式中包含的交叉基矩阵拟合。...参数lag和var指定必须分别绘制lag和特定于预测变量的关联的值。本文选自《R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例》。

5140 0

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

它在内部调用onebasis（）来生成暴露-反应和滞后-反应关系的基矩阵，并通过特殊的张量积将它们组合起来，以创建交叉基，该交叉基在模型中同时指定了暴露-滞后-反应关联性。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...例如，我使用创建的交叉基矩阵cb，使用数据集时间序列数据来研究温度与心血管疾病死亡率之间的关联。首先，我将一个简单的线性模型与模型公式中包含的交叉基矩阵拟合。...参数lag和var指定必须分别绘制lag和特定于预测变量的关联的值。本文选自《R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例》。

5703 0

ARIMA模型，ARIMAX模型预测冰淇淋消费时间序列数据|附代码数据

ARIMAX模型类似于多变量回归模型，但允许利用回归残差中可能存在的自相关来提高预测的准确性。本文提供了一个进行ARIMAX模型预测的练习。还检查了回归系数的统计学意义。这些练习使用了冰淇淋消费数据。...该系数在5%的水平上是否有统计学意义？test(fit)练习8估计ARIMA模型的函数可以输入更多的附加回归因子，但只能以矩阵的形式输入。创建一个有以下几列的矩阵。温度变量的值。收入变量的值。...滞后一期的收入变量的值。滞后两期的收入变量的值。输出该矩阵。注意：最后三列可以通过在收入变量值的向量中添加两个NA来创建，并将得到的向量作为嵌入函数的输入（维度参数等于要创建的列数）。...vars <- cbind(temp, income)print(vars)练习9使用获得的矩阵来拟合三个扩展的ARIMA模型，使用以下变量作为额外的回归因子。温度、收入。温度、收入的滞后期为0、1。...预测需要一个未来6个时期的期望温度和收入的矩阵；使用temp变量和以下期望收入值创建矩阵：91, 91, 93, 96, 96, 96。

1.4K0 0

【视频】R语言中的分布滞后非线性模型（DLNM）与发病率，死亡率和空气污染示例

它在内部调用onebasis（）来生成暴露-反应和滞后-反应关系的基矩阵，并通过特殊的张量积将它们组合起来，以创建交叉基，该交叉基在模型中同时指定了暴露-滞后-反应关联性。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...例如，我使用创建的交叉基矩阵cb，使用数据集时间序列数据来研究温度与心血管疾病死亡率之间的关联。首先，我将一个简单的线性模型与模型公式中包含的交叉基矩阵拟合。...参数lag和var指定必须分别绘制lag和特定于预测变量的关联的值。 ---- 本文摘选《R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例》

1.1K2 0

R语言分布滞后线性和非线性模型（DLM和DLNM）建模|附代码数据

p=18700 本文说明了R语言中实现分布滞后线性和非线性模型（DLM和DLNM）的建模。...前七个滞后（0–6）对应于上周的暴露，而滞后7–13对应于第三周，依此类推。在第二个示例中，我使用以5年为间隔的暴露量分布图来嵌套数据框的暴露量历史矩阵。...第一步是函数的定义： crossbasis(drug, lag=27, argvar=list("lin") 结果存储在对象cbdrug中，即具有特殊属性的已转换变量的矩阵。...分析步骤与说明的步骤相同。最初的假设是，过去三年中持续的暴露（对应于滞后0–2）不会影响发生癌症的风险。选择的基函数是用于预测变量的二次样条和三次样条。通过clogit（）执行条件逻辑回归。...首先，我创建每日暴露资料： > expdrug <- rep(c(10,50,0,20),c(2,1,1,2)*7) 现在可以沿暴露曲线顺序来创建所有时间点的暴露历史矩阵： > nhist <- exphi

8930 0

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

它在内部调用onebasis（）来生成暴露-反应和滞后-反应关系的基矩阵，并通过特殊的张量积将它们组合起来，以创建交叉基，该交叉基在模型中同时指定了暴露-滞后-反应关联性。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...作为一个简单的示例，我模拟了2-5个滞后期内3个对象的暴露历史矩阵：它们中的每一个都将传递给onebasis（）来分别构建暴露-反应和滞后-反应关系的矩阵。...例如，我使用创建的交叉基矩阵cb，使用数据集时间序列数据来研究温度与心血管疾病死亡率之间的关联。首先，我将一个简单的线性模型与模型公式中包含的交叉基矩阵拟合。...参数lag和var指定必须分别绘制lag和特定于预测变量的关联的值。本文选自《R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例》。

4894 0

博客 | 度量学习总结(二) | 如何使用度量学习处理高维数据？

右边的表格显示了句子中每个单词的计数。从左下角的内积矩阵可以看出，即使这三个句子都是关于度量学习的，文档A和C之间的距离也很大。...这个示例说明了当矩阵内积较大时，术语频率模型是相当精确的，但是当矩阵内积较小或为零时，术语频率模型可能不准确。 TFIDF是用余弦相似度来计算x和y的距离。...在术语频率模型中，两个文档可以具有非常相似的上下文含义，但是可能不一定共享许多相同的单词。因此，两个文档之间的内积可能非常小，甚至为零，从而导致较大的欧几里德距离。...低阶马氏距离也可以在O（dk）时间内有效地计算，因为二维实例x和y之间的距离可以通过首先通过计算R T x和R T y将它们映射到低维空间来计算，然后在低维点之间计算标准平方欧几里德距离b。...该算法采用循环投影的方法，通过迭代地将当前解投影到单个约束上。该算法不是直接处理d×d矩阵A，而是优化其d×k因子矩阵B。在实践中，可以通过监视对偶变量λ的变化。步骤5-10计算投影参数β。

1K2 0

R语言用向量自回归（VAR）进行经济数据脉冲响应研究分析|附代码数据

自回归滞后模型像AR（p）模型一样，仅凭其自身的滞后对宏观经济变量进行回归可能是一种限制性很大的方法。通常，更合适的假设是还有其他因素。...通过包含因变量的滞后值以及其他（即，外生）变量的同期和滞后值的模型来实现这种想法。同样，这些外生变量应该是稳定的。...此示例的人工样本是在R中生成的rset.seed(123) # 由于可复制性的考虑，重置随机数发生器# 生成样本t <- 200 # 时间序列观察数k <- 2 # 内生变量数p <- 2 # 滞后阶数...# 生成系数矩阵A.1 <- matrix(c(-.3, .6, -.4, .5), k) # 滞后系数矩阵1A.2 <- matrix(c(-.1, -.2, .1, .05), k) # 滞后系数2A...在我们的示例中，我们已经知道不存在这样的关系，因为真正的方差-协方差矩阵（或简称协方差矩阵）在非对角元素中是对角为零的对角线。

4404 0

点击加载更多

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

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭