svr算法matlab代码Pattern_Regression 这是我们NeuroImage论文（）的代码，其中涉及不同模式回归算法（即OLS，Ridge，LASSO，Elastic-Net，SVR，RVR）的比较以及样本量对预测性能的影响。 如果您想在工作中进行个性化的行为预测。 最好尝试使用中的代码。 这里的代码更特定于此研究。 如果您使用这些代码，将不胜感激引用我们的相关论文。 Zaixu Cui, Gaolang Gong, The effect of machine learning regression algorithms and sample size on individualized behavioral prediction with functional connectivity features, (2018), NeuroImage, 178: 622-37 Zaixu Cui, et al., Individualized Prediction of Reading Comprehension Ability Using Gray Matter Volum

使用Excel数据分析工具进行多元回归分析

bootstrap 是一种通过独立地以相等的概率（蒙特卡罗重采样）重新采样单个数据集来估计统计量可变性的方法。 允许估计潜在分布未知或样本量较小的度量。 他们的结果与这些分析方法的统计特性一致。 在这里，我们使用非参数 Bootstrap。 非参数引导程序更简单。 它不使用模型的结构来构建人工数据。 向量 [yi, xi] 改为直接用 replecement 重新采样。 参数由这些对构成。 当回归方程中的两个变量是随机的并且存在误差，即不受研究者控制时，应使用模型II 回归。 当变量都包含误差时，使用普通最小二乘法的模型 I 回归低估了变量之间线性关系的斜率。 根据 Sokal 和 Rohlf (1995) 的说法，模型 II 回归的主题是一个研究和争议仍在继续并且难以提出明确建议的主题。 BOOTGMREGRESS 是一个 bootstrap Model II 程序。 在计算斜率

贝叶斯向量自回归广泛用于宏观经济预测和结构分析。 然而，直到最近，由于参数扩散问题和计算限制，大多数实证工作只考虑了具有少量变量的小系统。 我们首先回顾了各种可用于解决大型贝叶斯 VAR 中参数增殖问题的收缩先验，然后详细讨论了用于克服计算问题的有效采样方法。 然后，我们概述了一些最近的模型，这些模型将各种重要的模型特征合并到传统的大型贝叶斯 VAR 中，包括随机波动率、非高斯和序列相关误差。 还讨论了拟合这些更灵活模型的有效估计方法。 使用涉及实时宏观经济数据集的预测练习来说明这些模型和方法。 还提供了相应的MATLAB代码。

社区犯罪 使用python和scikit学习回归分析-社区和犯罪数据集（UCI）。

自己收集整理的用MATLAB实现遗传算法程序，包括插值拟合，灰色预测，回归分析，马尔科夫预测，神经网络预测，时间序列算法

空间计量stata代码命令及解释、面板空间计量全部过程、空间相关性检验空间杜宾模型、空间滞后模型、空间误差模型、LM检验、固定效应和随机效应选择、wald检验、LR检验、结果解释、绘制地区，包含pdf文件整个流程的说明，stata命令do文档，示例数据，地图数据等，把自己的数据代入就可以了，小白也能学会哦，本资料提供耐心的售后服务哦！ 拍下还送地级市城市空间权重矩阵，包括01矩阵 经济距离矩阵，和经济地理，反经济距离矩阵，包括284个地级市！需要的来哦、

基于时变空时自回归模型的STAP算法

GEP一些回归的函数的数据，测试用。

python根据数据线性回归画图(散点图和直线并存，只需要修改X值和Y值即可生成) 并打印公式公式： Y= bX+a 用到的包有 pandas sklearn