波士顿房价
这是 sklearn.datasets 里的一种 Toy Dataset ，包含503个美国波士顿房价的观测值，是内置的小数据集，也是研究回归算法的优秀数据集。
Python编程实现
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
2021-05-01 16:13:37
123KB
1
非线性回归是回归函数关于未知回归系数具有非线性结构的回归。常用的处理方法有回归函数的线性迭代法、分段回归法、迭代最小二乘法等。非线性回归分析的主要内容与线性回归分析相似。
2021-04-29 16:03:48
2KB
1
基于MATLAB的多元非线性回归模型。文章充分利用
MATLAB统计工具箱的优势 ,通过程序的实现 ,对多元非线性回归模型的未知参数的估计方法以及对估
计后的模型预报做出研究 ,并以实例验证了该方法的有效性。
2021-04-27 00:37:29
190KB
1
代码文件与B站上的视频教程同步，记录完整的模型分析建模过程，还有注意事项，包括我自己走的弯路，代码内容与接下来我要发布的博客同步。
2021-04-24 14:55:17
47KB
1
COGS-109建模和数据分析
该项目使用线性回归和K均值聚类对饮食习惯数据集进行分析，该数据集包含确定肥胖的变量。
研究重点：
使用探索性线性回归和聚类，我们旨在检查数据集中的几个属性，以发现哪些是预测个体体重的最佳指标。数据集信息：
该数据集包含从墨西哥，秘鲁和哥伦比亚的个人收集的数据。该数据可用于根据饮食习惯和身体状况估算肥胖水平。有2111个实例和17个不同的属性。此外，使用体重不足，正常体重，I级超重，II级超重，I型肥胖，II型肥胖和III型肥胖的值对数据进行分类。笔记：
主要报告可在以下位置找到：“ COGS 109最终报告.pdf”
包含我们的代码的Jupyter笔记本可在以下位置找到：“ COGS 109 Final report.ipynb”
演示海报可以在以下位置找到：“肥胖分析海报”
我们使用的数据集可以在以下位置找到：“ ObesityDataSet.csv”
2021-04-24 12:44:07
2.84MB
1
基于目前的时间序列数据，做未来非线性预测，简便易行，直接放在pycharm或者jupyter notebook就可以运行
2021-04-23 22:50:44
1KB
1