本代码主要利用MATLAB工具进行SVM神经网络的回归预测分析的仿真，实现上证开盘指数预测的模拟
2022-01-18 08:47:28
175KB
1
主成分分析由皮尔逊首先引入，后来被霍特林发展了。主成分分析是一种通过降维技术把多个变量化为少数几个主成分（综合变量）的统计分析方法。这些主成分能够反映原始变量的绝大部分信息，它们通常表示为原始变量的某种线性组合。为了实现最有效率的降维，应使这些主成分所含的信息（在线性关系的意义上）互不重叠，也就是要求它们之间互不相干。简言之，主成分分析就是一种用一组较少的不相关（综合）变量来代替大量相关变量的统计降维方法。
2022-01-10 16:24:38
65KB
1
一种面向高维数据的DS-ALasso变量选择方法，邱建荣，罗汉，变量选择是高维数据分析的重要环节，Laaso方法不具有Oracle性质且存在在处理维数大于样本量的数据结构时只能选取个变量的缺点，为解�
2022-01-09 01:09:56
190KB
1
变量相关情况下高维数据变量选择方法，段乾鹏，郑少智，当变量之间具有较强相关性时，单个惩罚函数的变量选择方法效果会大大降低。文章提出组合惩罚的系数的拉普拉斯收缩变量选择方法，
2022-01-08 22:56:52
923KB
1
比较细节的介绍Matlab中回归拟合函数。包含残差计算等内容。不同于以往的不负责任的回归不给出置信区间绘图
2021-12-31 22:51:37
588KB
1
该程序计算调整后的互信息以比较聚类。 这包括：
- 互信息/调整互信息- 兰德指数和其他一些指数（见代码）
参考： [1] Vinh, NX; 埃普斯，J。 贝利，J.（2009 年）。 “聚类比较的信息论措施”。 第 26 届机器学习国际会议论文集 - ICML '09
[2] Vinh, Nguyen Xuan; 埃普斯，朱利安； Bailey, James (2010)，“聚类比较的信息理论测量：变体、属性、归一化和机会校正”，机器学习研究杂志 11（10 月）：2837-54
2021-12-30 20:50:47
3KB
1
变量选择是分类中最重要的模型选择问题之一。 提出了一种新的基于局部偏最小二乘（KPLS）子空间中的最近邻（FNN）的方法，以选择简约变量作为非线性建模输入。 首先，将非线性输入简化为KPLS子空间的主要成分。 此外，它们的重要性的顺序是根据FNN在KPLS子空间中启发的距离度量确定的。 这样，识别出了不重要的变量。 最后，使用不同的参数模型研究了3个典型分类问题的变量选择。 结果表明，该方法对非线性模型约简是有效的。 因此，可以用于非线性系统的变量选择。
2021-12-27 12:50:02
785KB
1