腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
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
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
专栏成员
举报
604
文章
1478153
阅读量
84
订阅数
订阅专栏
申请加入专栏
全部文章(604)
python(168)
编程算法(129)
数据库(83)
sql(66)
r 语言(44)
mongodb(33)
云数据库 SQL Server(30)
其他(29)
http(25)
机器学习(24)
linux(21)
人工智能(21)
神经网络(19)
html(18)
深度学习(18)
hive(18)
https(18)
java(17)
大数据(17)
numpy(15)
云数据库 MongoDB(14)
windows(14)
NLP 服务(13)
django(13)
网络安全(12)
hadoop(12)
数据结构(12)
tensorflow(11)
github(11)
决策树(11)
ide(10)
git(10)
数据分析(10)
数据处理(10)
javascript(9)
bash(9)
json(8)
开源(8)
数据挖掘(7)
node.js(7)
ubuntu(7)
线性回归(7)
go(6)
bash 指令(6)
shell(6)
anaconda(6)
xml(5)
windows server(5)
mapreduce(5)
爬虫(5)
spark(5)
正则表达式(5)
云数据库 Redis(4)
存储(4)
text(4)
c 语言(3)
c++(3)
oracle(3)
nosql(3)
ruby on rails(3)
api(3)
jar(3)
中文分词(3)
nginx(3)
腾讯云测试服务(3)
分布式(3)
html5(3)
ssh(3)
sql server(3)
监督学习(3)
推荐系统(3)
csv(3)
data(3)
label(3)
list(3)
sort(3)
txt(3)
博客(3)
字符串(3)
区块链(2)
php(2)
c#(2)
css(2)
access(2)
打包(2)
unix(2)
apt-get(2)
批量计算(2)
文件存储(2)
访问管理(2)
云推荐引擎(2)
网站(2)
xslt & xpath(2)
jdk(2)
gui(2)
ftp(2)
grep(2)
pytorch(2)
db(2)
dot(2)
edge(2)
file(2)
graph(2)
header(2)
igraph(2)
integer(2)
key(2)
max(2)
min(2)
plot(2)
poi(2)
sample(2)
scale(2)
size(2)
stdout(2)
sum(2)
time(2)
集合(2)
开发(2)
日志(2)
调试(2)
终端(2)
费用中心(1)
官方文档(1)
ios(1)
.net(1)
jsp(1)
scala(1)
单片机(1)
sqlalchemy(1)
eclipse(1)
matlab(1)
搜索引擎(1)
centos(1)
日志服务(1)
命令行工具(1)
NAT 网关(1)
数据加密服务(1)
电商(1)
企业(1)
容器(1)
缓存(1)
运维(1)
压力测试(1)
数据迁移(1)
jvm(1)
yum(1)
面向对象编程(1)
hashmap(1)
keras(1)
二叉树(1)
tcp/ip(1)
单元测试(1)
kernel(1)
scikit-learn(1)
socket编程(1)
kerberos(1)
系统架构(1)
nat(1)
kafka(1)
特征工程(1)
聚类算法(1)
unicode(1)
腾讯云图数据可视化(1)
数据库管理(1)
add(1)
app(1)
apple(1)
apply(1)
axis(1)
bayesian(1)
bi(1)
bit(1)
blob(1)
boolean(1)
break(1)
browser(1)
center(1)
character(1)
cmd(1)
code(1)
codec(1)
configuration(1)
copy(1)
count(1)
counter(1)
criteria(1)
database(1)
default(1)
desktop(1)
distance(1)
distribution(1)
driver(1)
encode(1)
encoding(1)
error(1)
excel(1)
exists(1)
flags(1)
flatten(1)
frame(1)
frequency(1)
gaussian(1)
ggplot2(1)
global(1)
handle(1)
hash(1)
input(1)
instance(1)
int(1)
lapply(1)
limit(1)
line(1)
map(1)
median(1)
multiprocessing(1)
na(1)
normalization(1)
pandas(1)
path(1)
pool(1)
predict(1)
probability(1)
proc(1)
ps(1)
pycharm(1)
random(1)
reduce(1)
require(1)
root(1)
sampling(1)
scanf(1)
server(1)
slice(1)
static(1)
sudo(1)
table(1)
tar(1)
tensor(1)
transpose(1)
typeerror(1)
union(1)
vector(1)
version(1)
view(1)
width(1)
word(1)
word2vec(1)
xgboost(1)
zip(1)
笔记(1)
编程(1)
遍历(1)
编码(1)
程序(1)
登录(1)
递归(1)
函数(1)
加密(1)
解决方案(1)
快捷键(1)
连接(1)
数据(1)
数据中心(1)
数组(1)
索引(1)
虚拟机(1)
压缩(1)
优化(1)
语法(1)
原理(1)
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
3.1K
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
2.2K
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
1.8K
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
8.9K
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
831
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
2.4K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
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·千货材料·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