注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 逐步法线性回归C#源码

  2. 逐步法线性回归 C#源码（vs2005工程），得到回归系数、复相关系数、相关系数矩阵等。

  3. 所属分类：C#

    • 发布日期：2010-04-30
    • 文件大小：27kb
    • 提供者：onlyou930

  1. MechaCar_Statistical_Analysis-源码

  2. MechaCar_Statistical_Analysis 线性回归预测MPG 哪些变量/系数为数据集中的mpg值提供了非随机量的方差？ 地面间隙和车辆长度（以及截距）是提供非随机量方差的变量。 线性模型的斜率是否视为零？为什么或者为什么不？ 线性模型的斜率不视为零，因为p值为5.35e-11，大大小于0.05。 这个线性模型可以有效预测MechaCar原型的mpg吗？为什么或者为什么不？ 该线性模型有效地预测了MechaCar原型的mpg，因为多个R平方值为71％，这意味着mpg值正确的时间约

  3. 所属分类：其它

  1. MechaCar_Statistical_Analysis-源码

  2. MechaCar_Statistical_Analysis 线性回归预测MPG 为数据集中的mpg值提供非随机方差量的变量是截距，车辆长度和离地间隙，因为这些Pr（> | t |）值非常非常小。 线性模型的斜率不为零。斜率由系数确定。多元回归模型中有多个系数，在这种情况下，它们都不为零。这意味着所有变量都会对结果产生影响。 这确实有效地预测了MechaCar原型的mpg，因为p值远低于0.05，并且r平方值相当高。该值为0.71，表示可以通过此公式准确预测约70％的汽车的平均mpg。 悬架

  3. 所属分类：其它

  1. MechaCar_Statistical_Analysis-源码

  2. MechaCar_Statistical_Analysis 我们正在审核生产数据，以获取可能对制造团队有所帮助的见解。 线性回归预测MPG 概述 我们正在执行多元线性回归分析，以识别数据集中的哪些变量（车辆长度，车辆重量，扰流板角度，离地间隙，行驶类型）可用于预测MechaCar原型的mpg。 结果 概括 哪些变量/系数为数据集中的mpg值提供了非随机量的方差？ 离地间隙和车辆长度的p值非常低，这表明无效假设不太可能成立，这意味着它们引起的方差量可能是非随机的。 截距的低p值表明我们应该拒绝

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：96kb
    • 提供者：weixin_42118161

  1. LinearRegression:线性回归模型预测房价-源码

  2. 线性回归模型预测房价 该笔记本创建了线性回归模型来预测房价。 数据取自Ames Housing数据集，该数据集由Dean De Cock为数据科学进行了编译。 数据集由1,460行和81列组成。 SalePrice是回归模型的因变量。 确定数据集中的自变量与SalePrice之间的相关系数后，为模型选择了5个自变量： 综合质量-综合质量 GrLivArea-地上生活区 车库面积-车库面积 TotalBsmtSF-地下室总平方英尺 建造年份-施工年份 将数据分为训练和测试数据集后，使用skl

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：480kb
    • 提供者：weixin_42116791

  1. sptidy-源码

  2. 细腻 一个R包，可为tidymodels模型评估生成整洁的输出！ 介绍 Sptidy为基础R的线性回归和Tidymodel的kmeans聚类实现了tidy和augment功能，从而简化了模型选择和评估任务。 该软件包是对Broom软件包中现有tidy和augment功能的简化重新实现。 Sptidy的整齐函数系列返回一个汇总重要模型信息的数据框，而增强函数扩展原始数据框以通过观察包括其他模型特定信息。 该软件包是对补充， 是一个为整理scikit-learn软件包而创建的Python软件包。 特

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：20kb
    • 提供者：weixin_42175971

  1. linear_regression_ecommerce_data:linear_regression_project_ecommerce_data这是Udemy课程中的线性回归项目-源码

  2. linear_regression_ecommerce_data 这是Udemy课程的线性回归项目：Python for Data Science and Machnie Learning 如果打开笔记本时出现问题，请访问并将链接粘贴到笔记本中以进行查看。 这似乎是GitHub后端经常出现的问题。 有关更多信息，请参见： : 注意系数的解释。 在最简单的情况下，将采用一种平衡设计，其中预测变量不相关。 因此，假设所有其他预测变量均保持不变，则通过增加其中一个预测变量的单位，我们将看到因

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：318kb
    • 提供者：weixin_42117340

  1. photon-ml：Apache Spark上的可扩展机器学习库-源码

  2. 光子机器学习（Photon ML） 查看我们的。 Photon ML是基于Apache Spark的机器学习库。 它最初是由LinkedIn机器学习算法团队开发的。 当前，Photon ML支持训练不同类型的（GLM）和（GLMM / GLMix模型）：逻辑，线性和泊松。 特征 广义线性模型 线性回归 逻辑回归 泊松回归 GAME-广义加性混合效应 GAME算法使用坐标下降来扩展到传统的GLM之外，以进一步提供实体（每个用户，每个项目，每个国家等）的系数（在统计资料中也称为随机效应）。 它设

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：69mb
    • 提供者：weixin_42107165

  1. MultipleRegression_fromScratch：多元回归是线性回归的概括。 其中有n个，而不是一个因变量。 多元回归试图找到通过给定数据点放置（n-1）维超平面的系数（每个观察值是一个因变量值，n个独立变量值）-源码

  2. MultipleRegression_fromScratch 多元回归是线性回归的概括。 其中有n个，而不是一个因变量。 多元回归试图找到通过给定数据点放置（n-1）维超平面的系数（每个观察值是一个因变量值，n个独立变量值）。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：18kb
    • 提供者：weixin_42127369

  1. 线性回归系数-源码

  2. 线性回归系数

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：41kb
    • 提供者：weixin_42099070

  1. Python_Statistics：Python中的统计信息-源码

  2. Python_Statistics 波士顿迷你项目：线性回归：scikitlearn和stats模型，基本原理，数学，OLS方法| 用于线性回归的EDA：散点图，具有多个变量/模型的季节性，对数变换，sm.summary，r平方，f-stat，t-stat，系数，AIC，数据叙述/领域知识| 拟合值与残差图| 分位数与分位数图| 杠杆图删除异常值并比较模型：图形，摘要

  3. 所属分类：其它

  1. 大气CO2浓度的多元线性回归：基于全球能源消耗的大气CO2浓度水平的统计分析-源码

  2. 多元线性回归：大气中的二氧化碳浓度 作者：亚特兰大刘，Maruthi Mutnuri，格雷格·卡梅伦，埃德温·阿奎尔 日期： 2020年秋季 基于全球能源消耗，人均GDP和全球人口的大气CO2浓度水平的统计分析。 该分析的主要目标之一是捕获与线性回归有关的模型选择和假设测试过程。 整个项目通过RStudio完成。 程序 变量选择 假设： 线性度 独立 常态 等方差 多共线性 影响点和异常值 解释系数 预测未来大气中的二氧化碳水平

  3. 所属分类：其它

  1. shapley：具有基尼系数的Shaple值回归-源码

  2. 使用具有基尼系数的Shapley值回归 这是用于使用基尼系数运行Shapley值回归的代码。 训练模型后，我们想了解每个预测变量如何对模型预测做出贡献。 解决此问题的一种方法是使用Shapley值回归（SVR）。 传统的SVR方法适用于线性回归模型，并使用Shapley值分解R平方。 该代码使用基尼系数代替R平方，因此它不仅可以应用于线性回归模型，而且可以应用于决策树，神经网络等各种不同模型。 当前支持的型号 当前，此代码仅支持线性回归模型和对数线性回归模型。 对数线性回归模型是使用对数函数转换

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：853kb
    • 提供者：weixin_42166626

  1. MechaCar_Statistical_Analysis-源码

  2. MechaCar_Statistical_Analysis 线性回归预测MPG 1.哪些变量/系数为数据集中的mpg值提供了非随机的方差量？ 可以通过t值确定，车辆重量，spoiler_angle和AWD为mpg值提供了非随机的方差量。 而具有最小非随机变化量的变量是vehicle_length和ground_clearance。 2.线性模型的斜率是否视为零？ 为什么或者为什么不？ 线性模型的斜率不会被视为零，这是因为指定的p值小于0.05。 3.这个线性模型可以有效预测MechaC

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：537kb
    • 提供者：weixin_42140710

  1. 现场工作实验室：使用实际数据集的大学小组项目-源码

  2. 野外工作实验室 大学小组项目使用实际数据集。 合并销售和培训数据集。 寻找影响其销售的培训的正系数。 使用线性回归创建模型。

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：62kb
    • 提供者：weixin_42168555

  1. MechaCar_Statistical_Analysis-源码

  2. MechaCar统计分析 线性回归预测MPG 为mpg值提供非随机变量的变量/系数为： 车辆长度（P值：2.60e-12） 离地间隙（P值：5.21e-08） 线性模型的斜率不应被认为是零，换言之，空hyposthesis被拒绝。 截距P值非常低（5.08e-08），并且R平方的倍数很好（0.71）-这意味着斜率不为零。 该线性模型由于其低P值和良好的R平方值，可以预测mpg MechaCar原型。 悬架线圈摘要统计 在下图中，是有关MechaCar悬架线圈总产量的摘要 在下图中，

  3. 所属分类：其它

  1. 沙盒-源码

  2. 804-Coke Hackathon-Lasso回归模型，用于预测限时产品对类别销售的影响。 使用DataBricks汇总所有横幅上的POS数据，用于预测的线性回归模型以及对系数的分析，以为围绕品牌/口味的决策提供依据。 R ^ 2为90.34％。 823-使用Reddit News预测DJIA-预测明天DJIA收市价的上涨或下跌的分类问题。 使用NLP，功能工程和堆叠集成可在固定测试集​​上产生69％的精度。 与Hamza Munir合作 831-客户购买倾向-电子商务商店数据集的分类，用于

  3. 所属分类：其它

  1. Scikit-Learn：使用Python进行预测数据分析的机器学习库-源码

  2. Scikit学习 使用Python进行预测数据分析的机器学习库 Y = X * B1 + B0 系数 B1：坡度 渐变| 陡度线| 线方向| 重量 B0：拦截 偏差| 常数| 回归线与Y轴相交的位置（当X = 0时Y的值） R 2 ：测定系数 模型捕获的数据的方差（0.7到0.9是R 2的好值） 大的R 2表示较好的拟合度（模型可以用更好的方法解释预测值与实际值的差异） R 2 = 1对应于SSR = 0（完美拟合） R 2低会导致拟合不足 高R 2导致过度拟合 残差 实际-预测 线性回归

  3. 所属分类：其它

  1. Module15-挑战-源码

  2. MechaCar统计分析 交付品1-线性回归预测MPG 概括 我们为数据提供了包含50个原型MechaCars的mpg测试结果的数据集。 数据集中的指标包括车辆长度，车辆重量，扰流板角度，传动系统和离地间隙。 哪些变量/系数为数据集中的mpg值提供了非随机量的方差？ 车辆长度和离地间隙与dtataset中的mpg值提供了非随机量的方差，并且两者都有很高的统计显着性。 线性模型的斜率是否视为零？ 为什么或者为什么不？ 线性模型的斜率不视为0，因为p值为5.35e-11，该值远小于0.05 这个

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：34kb
    • 提供者：weixin_42134051

  1. MechaCar_Statistical_Analysis-源码

  2. MechaCar_Statistical_Analysis 线性回归预测MPG 在对MechaCar_mpg.csv文件执行线性回归时，我们发现以下因素对数据集中MPG值的方差量产生影响： 车长 离地间隙 这两个因素提供了足够的正斜率，并且在我们的模型中具有足够低的显着性水平，因此我们的线性模型被认为具有非零的正斜率。 车辆长度和离地间隙的beta值分别为6.267和3.546，两个变量的p值均很小。 关于此回归模型的r ^ 2值为.7149，这使得确定系数足够强，r值为.8455，这表明

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：493kb
    • 提供者：weixin_42174098
« 12 »