您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 支持向量机MATLAB非线性回归

  2. 支持向量机非线性回归通用MATLAB源码 支持向量机和BP神经网络都可以用来做非线性回归拟合,但它们的原理是不相同的,支持向量机基于结构风险最小化理论,普遍认为其泛化能力要比神经网络的强。大量仿真证实,支持向量机的泛化能力强于BP网络,而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合。
  3. 所属分类:网络基础

    • 发布日期:2010-09-30
    • 文件大小:8kb
    • 提供者:zhangy21cn
  1. 以手工和运用EViews软件(或其他软件):简单线性回归

  2. 以手工和运用EViews软件(或其他软件): (1) 做出散点图,建立财政收入随国内生产总值变化的一元线性回归方程,并解释斜率的经济意义; (2) 对所建立的回归方程进行检验; (3) 若2001年中国国内生产总值为105709亿元,求财政收入的预测值及预测区间。
  3. 所属分类:金融

    • 发布日期:2011-05-03
    • 文件大小:350kb
    • 提供者:Gaohuiming_lov
  1. 如何使用统计软件SPSS进行回归分析

  2. 简要介绍如何使用统计软件SPSS进行线性回归分析,并给出了逐步回归分析实例。使用SPSS进行回归分析操作简单且全面,与编程相比大大减小了难度、节约了时间。 更多还原
  3. 所属分类:专业指导

    • 发布日期:2013-10-11
    • 文件大小:415kb
    • 提供者:q02132
  1. 线性回归程序

  2. 现成的线性回归程序,非常简单实用,特别是对于几组数据的回归分析
  3. 所属分类:教育

    • 发布日期:2014-06-13
    • 文件大小:3kb
    • 提供者:qq_16502655
  1. 基于遗传算法模糊多元线性回归分析的

  2. 针对经典线性回归模型不能完全反映变量间的耦合关系而不适宜于有模糊数的瓦斯涌出量预测 的问题 , 提出了一种基于遗传算法模糊多元线性回归分析的瓦斯涌出量预测模型 。 采用灰关联分析法和 SPSS 软件线性回归分析法确定影响瓦斯涌出量的主要因素 ; 把历史数据样本分为建模数据样本和检测数据 样本 , 采用遗传算法求出模糊回归参数的中心值和模糊幅值 。 实验结果表明 , 该模型具有较高的精确度和可 操作性 。
  3. 所属分类:其它

    • 发布日期:2015-09-22
    • 文件大小:141kb
    • 提供者:lzshwjr
  1. 机器学习-线性回归预测

  2. 1、掌握使用Weka做线性回归的方法; 2、掌握线性回归的相关知识; 3、处理丢失数据的值,替换原始数据中的短横线(因为这里的实验数据本应该是数字类型,而不是枚举类型)
  3. 所属分类:C++

    • 发布日期:2017-08-03
    • 文件大小:48mb
    • 提供者:dmxexcalibur
  1. 多元线性回归程序Fortran2013版

  2. Fortran2013版,用于对离散数据进行多元线性回归,各符号均有较详细的注释和说明。对从事回归分析的人员有帮助,也有助于初学者学习Fortran语言。
  3. 所属分类:其它

    • 发布日期:2017-11-29
    • 文件大小:153kb
    • 提供者:simgol
  1. 使用python跑线性回归.zip

  2. 做了一个python跑线性回归的项目,项目具体需求在压缩包里,包含模型优化代码。 1、使用表格里的前97项作为自变量,后五项分别作为因变量,来跑5个回归模型; 2、使用数据筛选的方法,优化回归系数r在0.3以上。
  3. 所属分类:讲义

    • 发布日期:2020-04-15
    • 文件大小:807kb
    • 提供者:qq_42014474
  1. 一元线性回归预测.ppt

  2. 1、关于回归:回归最初是指“回归到中等” 回归分析:关于研究一个变量(应变量或被解释变量)对另一个或多个变量(自变量或解释变量)的依赖关系,其用意在于通过后者(在重复抽样中)的已知或设定值,去估计和(或)预测前者的(总体)均值 2、回归分析的主要内容 从一组原始数据出发,确定变量之间的数量关系形式。即统计回归模型的具体形式和模型参数的估计值 对这些定量关系式的可信度进行统计检验 判别和选择诸因素中重要的影响因素 对经济活动进行分析和预测 3、回归与因果关系 虽然回归分析研究一个
  3. 所属分类:专业指导

    • 发布日期:2019-09-07
    • 文件大小:1mb
    • 提供者:qq_21685903
  1. 2020数学剑魔无车承运人平台定价模型——多元线性回归及Lgbm回归.zip

  2. 对附件一数据建立了总里程等相关因素与成交价格、指导价格、线路成本的多元线性回归模型;为了提高线路价格的预测精度,又建立了基于多因素的 LightGBM 回归模型并与多元线性回归模型进行比较;最后,以历史成功交易的平均溢价比为参考,根据不同需求紧急程度为附件 2 的任务进行了三次报价定价
  3. 所属分类:电子商务

    • 发布日期:2020-06-30
    • 文件大小:18mb
    • 提供者:weixin_40820983
  1. 一元线性回归与单因素方差分析代码.zip

  2. 一共两段代码,一段是一元线性回归分析的代码,输入自变量X与因变量Y后直接运行就可以直接得到方程,而省去了繁琐的计算过程;另一段是单因素方差分析表,只需输入表格中的数据,就可以直接得出方差分析表,十分节约时间。
  3. 所属分类:Java

  1. 运用TensorFlow进行简单实现线性回归、梯度下降示例

  2. 线性回归属于监督学习,因此方法和监督学习应该是一样的,先给定一个训练集,根据这个训练集学习出一个线性函数,然后测试这个函数训练的好不好(即此函数是否足够拟合训练集数据),挑选出最好的函数(cost function最小)即可。 单变量线性回归: a) 因为是线性回归,所以学习到的函数为线性函数,即直线函数; b) 因为是单变量,因此只有一个x。 我们能够给出单变量线性回归的模型: 我们常称x为feature,h(x)为hypothesis。 上面介绍的方法中,我们肯定有一个疑问,怎样能够看
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:607kb
    • 提供者:weixin_38715772
  1. 机器学习入门——线性回归

  2. 引言 本文介绍线性回归算法。 它主要解决回归问题,思想简单,实现容易; 是很多强大的非线性模型的基础; 它的结果具有很好的可解释性。 我们在机器学习基础概念中说过,如果结果是一个连续数值,而不是一个类别的话, 那么就是回归问题。回顾问题要预测的是具体的数值,通常这些数值在一个连续的空间里面。今天我们学习的线性回归算法就是一个最简单的回归算法。 线性回归算法 假设我们有房屋面积和房屋价格的一些数据。每个房屋有自己的面积,和价格。 我们把它们画到二维平面上。 线性回归算法认为房屋价格和面积具有一定
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:427kb
    • 提供者:weixin_38707240
  1. 利用线性回归预测隧道车流量

  2. 一、线性回归的定义 回归是监督学习的一个重要问题,回归用于预测输入变量和输出变量之间的关系。回归模型是表示输入变量到输出变量之间映射的函数。回归问题的学习等价于函数拟合:使用一条函数曲线使其很好的拟合已知函数且很好的预测未知数据。 回归问题分为模型的学习和预测两个过程。基于给定的训练数据集构建一个模型,根据新的输入数据预测相应的输出。 回归问题按照输入变量的个数可以分为一元回归和多元回归;按照输入变量和输出变量之间关系的类型,可以分为线性回归和非线性回归。 一元回归:y = ax + b
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:32kb
    • 提供者:weixin_38673738
  1. 基于PHP实现的多元线性回归模拟曲线算法

  2. 本文实例讲述了基于PHP实现的多元线性回归模拟曲线算法。分享给大家供大家参考,具体如下: 多元线性回归模型: y = b1x1 + b2x2 + b3x3 +…… +bnxn; 我们根据一组数据: 类似 arr_x = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]]; arr_y = [5, 10, 15]; 我们最后要求出的是一个数组,包含了从b1 到bn; 方法:利用最小二乘法 公式:我们只用公式的前半部分,也就是用矩阵来计
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:57kb
    • 提供者:weixin_38560797
  1. 【机器学习笔记】第2章:单变量线性回归

  2. 文章目录第2章:单变量线性回归2.1 模型描述 Model representation2.2 代价函数 Cost function2.3 梯度下降 Gradient descent2.4 线性回归的梯度下降 Gradient descent for linear regression 第2章:单变量线性回归 2.1 模型描述 Model representation 机器学习可以分为监督学习和无监督学习,监督学习的每个样本都有标签,而无监督学习没有标签。其中监督学习又包括回归问题和分类问题,
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:847kb
    • 提供者:weixin_38694674
  1. 浅谈线性回归

  2. 线性回归是在本质上是数学上学过的回归函数,通过给定一组数据,计算该组数据符合的一个函数,或者说一条直线。 一、什么是线性回归? 在讲解线性回归算法之前,我们先明白几个概念: 1)线性:在数学上我们讲,两个变量之间的关系是一次函数关系的——图像是直线,则我们称这两个变量是线性关系; 2)非线性:如果两个变量之间的关系不是一次函数关系的——图像是非直线,则我们称这两个变量是非线性关系; 注:在机器学习中,我们所说的线性和非线性指的是数据之间的关系。 3)回归:这个词跟我们数学中学过的回归方程的概念类
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:203kb
    • 提供者:weixin_38681719
  1. 【笔记】吴恩达第四章 多变量线性回归(Linear Regression with Multiple Variables)

  2. 四、多变量线性回归(Linear Regression with Multiple Variables) 4.1 多维特征 4.2 多变量梯度下降 4.3 梯度下降法实践1-特征缩放 4.4 梯度下降法实践2-学习率 4.5 特征和多项式回归 4.6 正规方程 4.1 多维特征 当特征数量超过1个时,特征使用n维列向量X,模型参数使用n维列向量 4.3 梯度下降法实践1-特征缩放         为了使得梯度下降算法能够更快更好的收敛,将所有的特征缩放; 一般特征值在[-3,3]或[-1/3,1
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:225kb
    • 提供者:weixin_38699593
  1. 线性回归:具有最小二乘近似的Kotlin-源码

  2. 线性回归 这是以下技能的锻炼。 Kotlin(以前有一些Java组合) 最小二乘近似(线性回归) 线相交 JetPack数据绑定 路径/线图 路径/线 使用绘画类渲染接触点和回归线(超过2个点) 最小二乘近似 我们确定最接近数据点且误差最小的线。 该代码在下面引用的数值分析文本的第8.1章中定义。 正交线 点到线的最短距离始终是正交的。 我们可以使用以下坡度截距公式找到每个交点。 Kotlin 这是Kotlin练习(带有一些以前的Java类),并且使用了数据绑定。 笔记 该代码库无法处
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:709kb
    • 提供者:weixin_42176827
  1. 线性回归及梯度下降的推导

  2. 先引入一下回归的定义 回归是监督学习的一个重要问题,回归用于预测输入变量和输出变量之间的关系。回归模型是表示输入变量到输出变量之间映射的函数。回归问题的学习等价于函数拟合:使用一条函数曲线使其很好的拟合已知函数且很好的预测未知数据。 回归问题分为模型的学习和预测两个过程。基于给定的训练数据集构建一个模型,根据新的输入数据预测相应的输出。 回归问题按照输入变量的个数可以分为一元回归和多元回归;按照输入变量和输出变量之间关系的类型,可以分为线性回归和非线性回归。 一元线性回归定义 回归分析(Regr
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:215kb
    • 提供者:weixin_38705252
« 12 3 4 5 6 7 8 9 10 »