前言最近一段时间在做流行病数据的分析，期间学习DLNM模型的过程中碰到了挺多问题百度搜不到，笔者通过慢慢读原文献、看代码解决了一部分，当然还是有一些没太搞懂hhh。DLNM模型是个比较新的模型，中文版本的介绍也比较少，所以想写一篇推文，做一下知识输出，这也是笔者第一篇关于专业知识的推文，欢迎大家点赞、评论、多多支持，文中言语不当之处还请多多指教，谢谢！目录1. 分布滞后模型与自回归模型2. 分布滞
文章目录GM(1,1)模型1 GM(1,1)模型概述2 GM(1,1)数据处理方法3 GM(1,1)模型方法的可行性检验4 GM(1,1)预测模型的构建5 GM(1,1) 模型的检验6 GM(1,1) 模型的适用范围7 GM(1,1) 残差模型R语言实现python GM(1,1)模型1 GM(1,1)模型概述灰色预测经常用来解决数据量较少且不能直接发现规律的数据。对于包含不确定信息的序列，灰色
转载
2023-07-21 18:26:03
475阅读
用于经济预测的计量经济学结构模型一般可以分为两类：静态模型（即截面模型）、动态模型（即时间序列模型）1. 静态模型与动态模型的异同点 1）共同点： &n
转载
2024-01-05 19:41:13
134阅读
在建立好灰色模型后，首先要进行模型的检验，以检验模型的效果。一般有三种检验方法：相对残差检验、关联度检验、后验差检验。当三种检验全部通过时，表明模型的效果较好，才可以使用模型进行后续的预测；否则，将要对模型进行残差修正，直到三种检验均通过为止。 这篇文章就着重阐述一下三种检验~一、检验准则 &
转载
2023-11-17 17:22:02
536阅读
数据科学与机器学习案例之客户的信用风险与预测数据科学与机器学习案例之信用卡欺诈识别（严重类失衡数据建模)数据科学与机器学习案例之汽车目标客户销售策略研究数据科学与机器学习案例之WiFi定位系统的位置预测数据科学与机器学习案例之Stacking集成方法对鸢尾花进行分类 LightGBM算法使用教程R语言lightgbm训练数据的输入训练、模型评估、预测回归与分类问题的lightgbm可视化多分类问题
文章目录theme()函数的用法1. 使用ggplot2包中内置主题2. 使用拓展包中的主题ggthemesggthemr3.ggThemeAssist包 本文分为两个部分 套用ggplot2包中自带的主题模板套用扩展包中的主题模板主要介绍ggthemes ggthemr两个包另外两个ggsci ggtech简要提及theme()函数的用法theme()在ggplot2中是一个非常强大的函数，
转载
2024-01-11 10:30:53
257阅读
本文集锦了R语言学习中需要用到的知识。可以作为入门了解之用，细节部分本文不做详解R语言介绍2、Rstools及package管理目前常用安装包的方式用三种：分为CRAN中的包/生物信息学相关包/GitHub里面的包#CRAN中的包
#install.packages() 安装包
#生物信息学相关Bioconductor
#install.packages('BiocManger')
#BiocMa
转载
2023-08-12 15:04:31
203阅读
# 使用R语言进行GMM回归
## 1. 流程图
使用表格展示R语言做GMM回归的流程：
| 步骤 | 内容 |
|------|-----------------------------|
| 1 | 数据准备 |
| 2 | 模型拟合 |
| 3 |
一、R语言简介这节课我们会初步学习R的功能和使用。 我们会学习怎样在不同的操作系统安装R。 我们会在开始控制台内使用R，并且分别用交互式和批处理的方式使用R。 最后，在这节课，我们会讨论怎样用包来扩展R。1、R的功能和使用。R是一个优秀的数据分析和制图的软件环境。 它最初由Ross Ihaka和Robert Gentleman1993年在新西兰，奥克兰大学创建。 它们将R创建为一种帮助教学生统计初
转载
2023-07-27 23:42:56
329阅读
# R语言中的GMM参数估计
在统计学和机器学习中，参数估计是一个重要的任务。特别是在处理复杂数据时，使用适当的估计方法可以显著提高模型的性能。广义方法矩（GMM）是一种强大的参数估计技术，它不仅具有较高的灵活性，而且适用于不同类型的模型。在本文中，我们将探讨如何在R语言中实施GMM参数估计，并通过具体代码示例来帮助您理解这一过程。
## GMM概述
GMM的基本思想是通过样本矩与理论矩之间
我们使用R库mgcv，用广义加性模型（GAMs）对环境数据进行建模。mgcv是一个伟大的库，具有丰富的功能，但我们经常发现，默认的诊断图并不令人振奋。特别是偏残差图，功能很强，但不漂亮，残差几乎看不见。我们需要根据这些代码来制作自己的偏回归平滑图。1) 基本的数据设置我们正在使用这里讨论的数据集。我们使用的是国家发病率和死亡率空气污染研究（NMMAPS）的数据。我们将数据限制在1997-2000年
转载
2023-07-24 10:53:21
63阅读
注：本博客旨在分享个人学习心得，有不规范之处请多多包涵！ 目录Vector 向量Matrix 矩阵List 列表结束语 Vector 向量简单来说，R语言中的vector是一个包含许多元素的一维数据结构，类似Python里的列表。下面的命令可以构造一个简单的R语言向量：#c()函数意思为connect，它把括号里的内容整合成一个vector或list
myVec1 <- c(1, 2, 3,
转载
2023-09-22 18:06:02
204阅读
几何布朗运动（GBM）是模拟大多数依赖某种形式的路径依赖的金融工具的标准主力。虽然GBM基于有根据的理论，但人们永远不应忘记它的最初目的 - 粒子运动的建模遵循严格的正态分布脉冲。基本公式由下式给出：标准维纳过程代表创新。在对气体进行建模时效果很好，在财务建模方面存在一些严重的缺陷。问题是维纳过程有两个非常严格的条件：a）创新通常是分布式的，平均零和方差为tb）创新是独立的现在，至少有一些金融市场
在经济学中，技术效率是指在既定的投入下产出可增加的能力或在既定的产出下投入可减少的能力。常用度量技术效率的方法是生产前沿分析方法。所谓生产前沿是指在一定的技术水平下，各种比例投入所对应的最大产出集合。而生产前沿通常用生产函数表示。前沿分析方法根据是否已知生产函数的具体的形式分为参数方法和非参数方法，前者以随机前沿分析（StochasticFrontierAnalysis，下文简称SFA）为代表，后
转载
2023-06-20 16:02:56
284阅读
本文所涉及的内容的先修知识：1、概率统计相关知识，统计机器学习；KL散度；信息熵；2、拉格朗日乘子法；3、KMeans聚类算法、混合高斯分布模型（GMM）和隐马尔可夫（HMM）模型。首先，EM算法的E是，Expectation，指的是期望；M代表的是Max。就如这个算法的名字本身所表现的那样，EM算法分两步走，E步骤和M步骤。在正式讲EM算法之前，我们先来考虑一个GMM的例子。现在我们有一堆数据样
转载
2023-12-05 04:07:45
69阅读
近期上了付费的语音识别相关课程，算是第一次系统学习语音识别相关知识，关于GMM-HMM模型还是没有理解得很透彻，写出来捋一捋思路。 一.单音素GMM-HMM模型 图一
一段2秒的音频信号，经过【分帧-预加重-加窗-fft-mel滤波器组-DCT】，得到Fbank/MFCC特征作为输入信号，此处若以帧长为25ms，帧移为25ms为例，可以得到80帧的输入信号，这80帧特征序列就
1. 概要1）动态面板模型：在面板数据中考虑被解释变量的动态特征；2）由于被解释变量的滞后项也进入回归方程，「1」个体固定效应会导致普通的OLS回归产生偏误和不一致性——这也是回归内生性问题的一种形式；3）为了克服OLS估计的问题，需要引入「2」人工变量：在动态面板模型中，最常用的工具变量是被解释变量和解释变量的滞后及差分滞后项；4）引入这类工具变量后，可利用GMM的一般框架进行估计，因此这类方法
转载
2023-12-27 13:03:38
441阅读
2.1介绍 DEA模型又称投入导向模型CCR，它基于规模报酬不变前提。2.2步骤 假设我们要计算一组n个决策单元（DMU），它可能是企业、政府部门、学校或医院等，这n个DMU的技术效率记为DMUj。  
转载
2023-07-12 22:58:36
191阅读
当您处理金融时间序列时，我们通常可以获得相对高频的观察结果。例如，每天进行观察是很常见的。事实上，现在可以获得每小时、分钟、秒甚至毫秒的观测值。相关视频使用的包有许多软件包可以使我们能够估计波动率模型。我们还将使用该 quantmod 软件包，因为它可以让我们轻松访问一些标准财务数据。数据上传在这里，我们将使用包提供的方便的数据检索功能（getSymbols） qua
转载
2024-02-05 09:11:41
0阅读
模型评估：先算测试集误差接着用统计检验方法检验误差（泛化能力）到底成不成立。1、 经验误差如果在m个样本中有a个样本分类错误，则错误率为E=a/m，对应地精确度为1-a/m。实际预测输出与样本的真实值之间的差异成为“误差”。学习器在训练集在的误差成为“经验误差”。在新样本上的误差称为“泛化误差”。显然，泛化误差小的学习器是我们希望得到的。2、 评估方法测试集是用来测试学习器对新样本的判别能力，然后
转载
2023-06-20 16:03:09
243阅读
