r语言数据统计分析（含代码、数据和论文报告），对20年的人口数据进行线性回归拟合，通过对模型的改进，预测未来的人口。
2021-06-27 12:00:10
251KB
包含数据线性可分与数据线性不可分数据，与Logistic回归比较及SVM应用于多分类问题等！包含生成数据集与真实数据集、数据集分为线性可分与线性不可分数据、二维及多维数据均适用！！！
2021-06-25 16:32:18
130KB
1
估计学生的 t 回归模型：
y = X*beta + eps 其中 eps ~ 学生的 t (0, sigma, nu)。
nu > 2。
以最大似然估计参数。
2021-06-22 10:55:25
4KB
1
使用R语言做多元应用回归模型案例，内置R语言代码。包含相关系数的可视化、回归诊断、变量选择、回归诊断。
版权声明：代码下载只能自己学习使用，切勿用于商业用途，违者必究。
2021-06-21 08:18:09
937KB
1
线性回归模型预测房价
该笔记本创建了线性回归模型来预测房价。 数据取自Ames Housing数据集，该数据集由Dean De Cock为数据科学进行了编译。
数据集由1,460行和81列组成。
SalePrice是回归模型的因变量。 确定数据集中的自变量与SalePrice之间的相关系数后，为模型选择了5个自变量：
综合质量-综合质量
GrLivArea-地上生活区
车库面积-车库面积
TotalBsmtSF-地下室总平方英尺
建造年份-施工年份
将数据分为训练和测试数据集后，使用sklearn.linear_model.LinearRegression拟合线性模型。
该模型的R平方值为0.838。
2021-06-20 22:17:28
480KB
1
国王郡房屋定价回归分析
（技术演示文稿位于Final Notebook.ipynb
介绍
该项目使用线性回归模型来最好地预测华盛顿州西雅图市的房价。
资料总览
提供的数据集代表在华盛顿州金斯县出售的17,290处物业。 对于每个属性，我们都得到了有关平方英尺，房屋状况，房间数和浴室数量，位置，出售日期等其他详细信息。
探索性数据分析
提供的数据干净整洁，没有任何空值，因此为我们的EDA准备的大多数数据都与处理离群值有关。 在浏览我们的数据时，很清楚地理位置与房价之间的关联性。 您可以在下面的热图和邮政编码条形图中看到该县某些地区的平ASP格比其他地区的平ASP格高多少。
在EDA流程中，对统计进行了以下测试：
位于KC北部与KC南部的平均房价-存在统计差异； 北部的房屋平ASP格较高。
有海滨和没有海滨的房屋的平均房价-存在统计差异，海滨房屋的均值较高。
某些等级的房屋的平均房
2021-06-01 17:01:32
7.11MB
1