电视无功

卡内基梅隆大学（CMU）统计教授课件中关于（Multicollinearity）多重共线性R语言讲解

非参数回归模型在金融时间序列上的应用，朱云霓，刘琼荪，本文旨在运用非参数回归模型来解决金融上的实际问题；对1998~2009年的上证综指的收益率数据进行了简单的统计分析，说明利用非参数回

1．考察温度x对产量y的影响，测得下列10组数据： 求y关于x的线性回归方程，检验回归效果是否显著，并预测x=42℃时产量的估值及预测区间（置信度95%）. 2．某零件上有一段曲线，为了在程序控制机床上加工这一零件，需要求这段曲线的解析表达式，在曲线横坐标xi处测得纵坐标yi共11对数据如下： 求这段曲线的纵坐标y关于横坐标x的二次多项式回归方程.

回归系数的显著性检验 多重共线性检验 容忍度为0.597，共线性较弱； VIF为1.674，也表明共线性较弱

比特币价格预测 预测价格变化的“潜在源模型的贝叶斯回归”方法的实现。 您可以在了解有关该方法的更多信息。 要求 3.5 3.2 安装 确保已安装所有要求并为此项目（可选）。 然后按照安装说明进行操作： $ git clone https://github.com/stavros0/bitcoin-price-prediction.git $ cd bitcoin-price-prediction $ pip install -e . 用法 使用okcoin.py脚本每隔十秒钟从收集市场数据。 请记住，您至少需要721个数据点，以便 。 $ python okcoin.py 有关如何使用模块的信息，请参见 。 仅用于修补和实验，因此不会在屏幕上显示任何内容。 也就是说，您应该修改我的脚本或改为编写自己的脚本。 无论如何，您都必须使用Python。 执照 该项目根据MIT许可条款获得许可。 有关更多信息，请参见。

Kinect的实时骨骼跟踪技术获取身体关节点的三维位置信息，为进行人体姿势识别提供了丰富的信息，拟在三维关节点位置信息的基础上，建立一种实时的人体姿势识别系统。选择关节角度作为姿势特征，结合逻辑回归（logistic regression， LR）分类算法对54种姿势进行识别研究。实验结果表明，该姿势识别系统可以准确实时地识别人体姿势。

1 源码为python语言编写。 2 兼容地理加权回归和多尺度地理加权回归。 3 软件及源码由马里兰大学地理科学院提供。

　　Meta分析是通过综合多个研究结果,提供一个量化的平均 效果或联系,从而来回答研究问题。它的最大的优点是增大样 本量来增加结论的把握度,解决研究结果的不一致性。本文 将介绍偏倚的概念、纳入Meta分析中的原始文献存在的偏倚 和进行Meta分析过程中产生的两大类偏倚,并对报告偏倚的 各种检测方法重点进行讨论

线性回归预测matlab代码MGP 这是“边际 GP” (MGP) 的MATLAB实现，如下所述： Garnett, R.、Osborne, M. 和 Hennig, P. 高斯过程线性嵌入的主动学习。 (2014)。 第 30 届人工智能不确定性会议（UAI 2014）。 假设我们有一个关于潜在函数的高斯过程模型： 模型的超参数在哪里。 假设我们有一个观测数据集和一个测试点。 此函数返回相关观察值和潜在函数值的近似边际预测分布的均值和方差： 我们已经边缘化了超参数。 笔记 此代码仅适用于 GP 回归！ 假设具有高斯观测似然的精确推断。 MGP 近似要求提供的超参数是 MLE 超参数： 或者，如果使用超参数优先，则 MAP 超参数： 此函数不执行最大化，而是假设给定的超参数表示 。 依赖关系 此代码可与 GPML MATLAB 工具箱互操作，可在此处获得： GPML 工具箱必须位于您的 MATLAB 路径中，此函数才能工作。 此函数还依赖于gpml_extensions存储库，可在此处获得： 这也必须在您的 MATLAB 路径中。 用法 mgp.m的用法与 GPML 工具包中预测模式下