码迷,mamicode.com
首页 >  
搜索关键字:线性分析    ( 15个结果
利用Python进行数据分析-Pandas(第六部分-数据聚合与分组运算)
对数据集进行分组并对各组应用一个函数(无论是聚合还是转换),通常是数据分析工作中的重要环节。在将数据集加载、融合、准备好之后,通常是计算分组统计或生成透视表。pandas提供了一个灵活高效的groupby功能,它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。 ...
分类:编程语言   时间:2019-12-11 09:38:26    阅读次数:97
分类问题
二/多分类模型 逻辑回归 Y 为二值变量 0/1 步骤一:对数据进行预处理,生成虚拟变量 转换 创建虚变量 fisher线性分析 ...
分类:其他好文   时间:2019-08-29 11:39:21    阅读次数:69
MapReduce-线性回归
线性回归有是三个值很重要: 1. 斜率 2. 截距:x和y轴的交点值; 3. 显著性:数据偏离线性的程度,用以判断数据可以用线性表示的程度;拟合度 apache.commons.math3里面有一个simpleRegression专门用于做线性分析;通过add函数来进行添加x值和y值; 基因聚合 感 ...
分类:其他好文   时间:2018-07-23 23:35:18    阅读次数:193
NumPy:数组计算
NumPy是高性能科学计算和数据分析的基础包,它是pandas等其他各种工具的基础 NumPy的主要功能: 安装方法: 引用方法: ...
分类:编程语言   时间:2018-07-08 23:02:43    阅读次数:197
逻辑回归和线性回归区别
1)线性回归要求变量服从正态分布,logistic回归对变量分布没有要求。 2)线性回归要求因变量是连续性数值变量,而logistic回归要求因变量是分类型变量。 3)线性回归要求自变量和因变量呈线性关系,而logistic回归不要求自变量和因变量呈线性关系 4)logistic回归是分析因变量取某 ...
分类:其他好文   时间:2018-04-30 14:32:23    阅读次数:184
R语言统计分析技术研究——岭回归技术的原理和应用
岭回归技术的原理和应用 作者马文敏 岭回归分析是一种专用于共线性分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息,降低精度为代价获得回归系数更为符合实际,更可靠的回归方法,对病态数据的耐受性远远强于最小二乘法。 回归分析:他是确立两种或两种以上变量 ...
分类:编程语言   时间:2017-05-30 18:00:42    阅读次数:220
【转载】非线性分析中的ansys跟踪显示
原文地址:http://muchong.com/html/201209/4936556.html 在ansys output windows 有 force convergenge valu 值 和 criterion 值,当前者小于后者时,就完成一次收敛。非线性计算是一个迭代计算的过程,曲线表示两 ...
分类:其他好文   时间:2016-10-28 09:50:30    阅读次数:497
关于3型文法
3型文法也叫正规文法,它对应于有限状态自动机。它是在2型文法的基础上满足:A→α|αB(右线性)或A→α|Bα(左线性)。 上面的话是大多数教材中的解释,十分了抽象,其中最不理解的是下面一句话 它是在2型文法的基础上满足:A→α|αB(右线性)或A→α|Bα(左线性)。 分析这句话,什么是左线性,什 ...
分类:其他好文   时间:2016-09-17 21:57:21    阅读次数:271
R平方
参考其他网页 通常R2越大越好,但看到亦在后面标上P值,这两者之间有何联系? R2和p值没有必然联系。就像你做线性分析和(单因素或多因素)方差分析一样,若A和K线性相关,也有可能A对K么有显著性影响一样。p值是与ɑ(显著性水平,一般取0.05或0.01)相关的一个值,通常,在p值<0.05(0.01
分类:其他好文   时间:2016-03-01 22:20:59    阅读次数:235
怀念我的老师——丁伟岳院士 by 史宇光
在我的人生中,丁老师对我的帮助是莫大的。我第一次见到丁老师是在91年8月份的一次南开非线性分析学术会议上(会议期间苏联发生了8.19事件),他当时报告的题目是关于二维调和映射热流短时间爆破的问题。那时, 我不懂调和映射为何物,但惊诧于他流利的英语。他讲完后,坐在我前面的M.Struwe给了很高的评价
分类:其他好文   时间:2016-02-21 14:18:51    阅读次数:270
15条   1 2 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!