腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
深度学习之tensorflow实战篇
专栏作者
举报
604
文章
1403365
阅读量
84
订阅数
订阅专栏
申请加入专栏
全部文章
python
编程算法
数据库
sql
r 语言
mongodb
云数据库 SQL Server
其他
http
机器学习
linux
人工智能
神经网络
html
深度学习
hive
https
java
大数据
numpy
云数据库 MongoDB
windows
NLP 服务
django
网络安全
hadoop
数据结构
tensorflow
github
决策树
ide
git
数据分析
数据处理
javascript
bash
json
开源
数据挖掘
node.js
ubuntu
线性回归
go
bash 指令
shell
anaconda
xml
windows server
mapreduce
爬虫
spark
正则表达式
云数据库 Redis
存储
text
c 语言
c++
oracle
nosql
ruby on rails
api
jar
中文分词
nginx
腾讯云测试服务
分布式
html5
ssh
sql server
监督学习
推荐系统
csv
data
label
list
sort
txt
博客
字符串
区块链
php
c#
css
access
打包
unix
apt-get
批量计算
文件存储
访问管理
云推荐引擎
网站
xslt & xpath
jdk
gui
ftp
grep
pytorch
db
dot
edge
file
graph
header
igraph
integer
key
max
min
plot
poi
sample
scale
size
stdout
sum
time
集合
开发
日志
调试
终端
费用中心
官方文档
ios
.net
jsp
scala
单片机
sqlalchemy
eclipse
matlab
搜索引擎
centos
日志服务
命令行工具
NAT 网关
数据加密服务
电商
企业
容器
缓存
运维
压力测试
数据迁移
jvm
yum
面向对象编程
hashmap
keras
二叉树
tcp/ip
单元测试
kernel
scikit-learn
socket编程
kerberos
系统架构
nat
kafka
特征工程
聚类算法
unicode
腾讯云图数据可视化
数据库管理
add
app
apple
apply
axis
bayesian
bi
bit
blob
boolean
break
browser
center
character
cmd
code
codec
configuration
copy
count
counter
criteria
database
default
desktop
distance
distribution
driver
encode
encoding
error
excel
exists
flags
flatten
frame
frequency
gaussian
ggplot2
global
handle
hash
input
instance
int
lapply
limit
line
map
median
multiprocessing
na
normalization
pandas
path
pool
predict
probability
proc
ps
pycharm
random
reduce
require
root
sampling
scanf
server
slice
static
sudo
table
tar
tensor
transpose
typeerror
union
vector
version
view
width
word
word2vec
xgboost
zip
笔记
编程
遍历
编码
程序
登录
递归
函数
加密
解决方案
快捷键
连接
数据
数据中心
数组
索引
虚拟机
压缩
优化
语法
原理
搜索文章
搜索
搜索
关闭
Eviews(8)进行线性回归(ols一元)与格兰杰(Granger)因果关系检验操作步骤
线性回归
使用EViews软件进行OLS估计参数,建立线性回归模型,同时得到模型的拟合图和残差图。点击proc->Make Model,弹出Model窗口。得到回归方程。 演示数据为股票数据:上证指数与微博情感分析处理后的大V指数数据之间的回归分析,与格兰杰因果检验(Granger),这里只记录操作流程,至于检验解读,后期有时间在补上、
学到老
2019-02-14
2.7K
0
回归,岭回归。LASSO回归
线性回归
编程算法
也即是残差平方和最小时。B(Bi)的值。可以证明B的最小二乘估计=(XTX)-1XTy
学到老
2019-02-13
1.5K
0
关于adaboost、GBDT、xgboost之间的区别与联系
线性回归
正则表达式
编程算法
AdaBoost:提高那些被前一轮弱分类器错误分类样本的权值,而降低那些被正确分类样本的权值。这样一来,那些没有得到正确分类的数据,由于其权值的加大而受到后一轮的弱分类器的更大关注,于是,分类问题就被一系列的弱分类器“分而治之”。至于第二个问题,即弱分类器的组合,AdaBoost采取加权多数表决的方法。具体地,加大分类误差率小的弱分类器的权值,使其在表决中起较大的作用,减小分类误差率较大的弱分类器的权值,使其在表决中起较小的作用。
学到老
2019-01-25
1.8K
0
Eviews(8)进行线性回归(ols一元)与格兰杰(Granger)因果关系检验操作步骤
线性回归
使用EViews软件进行OLS估计参数,建立线性回归模型,同时得到模型的拟合图和残差图。点击proc->Make Model,弹出Model窗口。得到回归方程。 演示数据为股票数据:上证指数与微博
学到老
2018-03-19
1.6K
0
Python多元线性回归-sklearn.linear_model,并对其预测结果评估
python
线性回归
在前面的博客已经介绍过多元回归模型,现在这里粗略介绍如下 python 实现案例 1、选取数据 #!usr/bin/env python #_*_ coding:utf-8 _*_ import
学到老
2018-03-16
8.2K
0
神经网络中的学习速率如何理解
神经网络
线性回归
编程算法
特征缩放 实际当我们在计算线性回归模型的时候,会发现特征变量x,不同维度之间的取值范围差异很大。这就造成了我们在使用梯度下降算法的时候,由于维度之间的差异使得Jθ的值收敛的很慢。 我们还是以房价预测为
学到老
2018-03-16
775
0
回归,岭回归。LASSO回归
线性回归
r 语言
编程算法
矩阵表示多元线性回归 Y=BX+a Q(B)=(Y-BX)T(Y-BX)达到最小时的B值。 也即是残差平方和最小时。B(Bi)的值。可以证明B的最小二乘估计=(XTX)-1XTy 其中(XTX)-1为广义逆。 如果X存在线性相关的话,XTX没有逆: 1.出现多重共线性2.当n<p,变量比样本多时,出现奇异 岭回归(Ridge Regression)---------共线性问题 先对数据做标准化 B(K)=(XTX+kI)XTY为B的岭回归估计,其中K为岭参数,I为单位矩阵,KI为扰动。 岭迹图帮助我们发现
学到老
2018-03-16
2.3K
0
没有更多了
社区活动
Python精品学习库
代码在线跑,知识轻松学
点击查看
热点技术征文第五期
新风口Sora来袭,普通人该如何把握机会?
立即参加
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品·最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档