多元线性回归：大气中的二氧化碳浓度
作者：亚特兰大刘，Maruthi Mutnuri，格雷格·卡梅伦，埃德温·阿奎尔
日期： 2020年秋季
基于全球能源消耗，人均GDP和全球人口的大气CO2浓度水平的统计分析。 该分析的主要目标之一是捕获与线性回归有关的模型选择和假设测试过程。 整个项目通过RStudio完成。
程序
变量选择
假设：
线性度
独立
常态
等方差
多共线性
影响点和异常值
解释系数
预测未来大气中的二氧化碳水平
2022-05-16 19:48:39
1.42MB
1
机器学习线性回归实例，使用UCI的“household_power_consumption_1000.txt”数据集，实现线性回归算法和基础最小二乘法。
2022-05-14 09:08:15
101KB
1
使用于TensorFlow2 的多变量波士顿房价预测模型的代码，用于线性回归分析，此为直接在Anaconda的Jupyter 上使用
2022-05-13 22:06:42
4KB
1
汽车价格预测-高度线性预测项目：一种线性回归模型，用于预测美国市场的汽车价格，以帮助新进入者了解美国汽车行业的重要定价变量。 高度全面的分析，详细说明所有步骤； 数据清理，探索，可视化，特征选择，模型构建，评估和MLR假设有效性
2022-05-12 10:21:50
3.39MB
1
学生分数预测：根据学生学习的时间对学生分数进行预测。 通过在Python中使用Scikitlearn库应用线性回归，以及使用Pandas和Matplotlib等库进行数据准备和数据可视化
2022-05-11 14:35:28
44KB
1