燃气负荷受到天气状况和经济发展等多种因素的影响, 造成燃气变化趋势具有较大的复杂性和特征因子较大的冗余性, 造成预测精度的下降. 为了解决这个问题, 在处理燃气负荷的复杂性中使用EEMD自适应的时频局部化分析方法, 将非线性非平稳的燃气负荷数据分解为平稳的本征模式分量及剩余项. 在解决特征因子之间的冗余性中, 在PCA中加入互信息分析, 使用互信息代替协方差矩阵的特征值选择特征向量, 可以有效避免PCA仅仅考虑特征之间的相关性, 忽略了与燃气负荷值关系的缺点. 最后针对不同的子序列建立对应的LSTM模型, 重构各个分量的预测值产生最后的结果. 使用上海的燃气数据进行验证, 实验结果证明本文提出的方法测试集MAPE达到6.36%, 低于其他模型的误差.

是一种简单的程序 在黄广斌的基础上进行了修改，主要用于分类为题，可以显示最后的分类结果

11.2普通最小二乘法（OLS）

常用统计分析方法 SPSS应用。t检验、相关分析、回归分析、时间序列。

Colin Cameron；Pravin K. Trivedi；剑桥大学出版社；数据的回归分析；经典图书第二版

Machine-Learning机器学习笔记 回归分析Regression Analysis(LS,LASSO,RR,RLS,BR), 聚类Clustering(KNN, EM, Mean-shift) 数字分类Digits Classification

利用最小二乘法做线性回归，计算残差。

近代回归分析 陈希孺

关于求熵、相对熵、互信息的C语言一般算法，好资源大家共享！ 关于求熵、相对熵、互信息的C语言一般算法，好资源大家共享！

部分线性模型的adaptive group lasso变量选择，牛银菊，，本文对部分线性模型的aglasso (adaptive group lasso)参数估计及变量选择进行研究。构造了aglasso惩罚最小二乘估计，研究了在一定条件下估计�