根据预测数据在每个点的误差不同,进行聚类分析每个误差的分布概率。
废话不多说,直接上案例。
数据
real = [1,2,3,4,3,2]
pred1 = [2,3,4,5,4,3]
pred2 = [3,3,6,8,4,2]
pred3 = [6,7,8,9,8,7]
计算各自误差分别为
Err1 = [1,1,1,1,1,1]
Err2 = [2,1,3,4,1,0]
Err3 = [5,5,5,5,5,5]
根据预测数据在每个点的误差不同,进行聚类分析每个误差的分布概率。
废话不多说,直接上案例。
real = [1,2,3,4,3,2]
pred1 = [2,3,4,5,4,3]
pred2 = [3,3,6,8,4,2]
pred3 = [6,7,8,9,8,7]
计算各自误差分别为
Err1 = [1,1,1,1,1,1]
Err2 = [2,1,3,4,1,0]
Err3 = [5,5,5,5,5,5]
上一篇:爬取历史天气信息
下一篇:基于IOWA的组合预测
理论 在解决如何确定指标重要性问题的过程中,往往要考虑到各级指标的权重,而权重确定的方法也有很多,例如经常被使用的层次分析法、主成分分析法、灰色关联法等,但是很多方法都受到实际问题中数据量不够、主观成分较大等问题的限制。 &
举报文章
请选择举报类型
补充说明
0/200
上传截图
格式支持JPEG/PNG/JPG,图片不超过1.9M