七、变量筛选 从所用的方法看，有强迫法、前进法、后退法和逐步法。在这些方法中，筛选变量的过程与线性回归过程的完全一样。但其中所用的统计量不再是线性回归分析中的F统计量，而是以上介绍的参数检验方法中的三种统计量之一。 为计算方便，通常向前选取变量用似然比或比分检验，而向后剔除变量常用Wald检验。

迭代（重）加权最小二乘 论文 Describes a powerful optimization algorithm which iteratively solves a weighted least squares approximation problem in order to solve an L_p approximation problem

IRLS （迭代重加权最小二乘）优化算法理解 最近在阅读去模糊算法中，在估计模糊核过程中经常提到IRLS算法，决定好好理解一下！ 以下理解来自论文《Iterative Reweighted Least Squares》 对于线性方程组的最优近似解问题： 写成矩阵形式， Ax=b，A∈RM×N{\bf Ax=b，A\in }\mathbb R^{M\times N}Ax=b，A∈RM×N 等价于最小化误差向量e=Ax−b\bf e=Ax-be=Ax−b的范数。 最小平方误差近似 使用二范数作为误差度量：∥e∥22=∑iei2=eTe{\bf \Vert e\Vert_2^2}=\sum_i e

基于因果熵和复杂网络因果推理的稀疏系统识别方法[J]. 提供了带有说明性示例的 PDF。 有关引文和算法的详细信息，请参阅： •Abd AlRahman R. AlMomani，Jie Sun和Erik Bollt，“熵回归如何克服非线性系统识别中的离群值问题”，Chaos 30，013107（2020年）。

The theory and methods of smoothing have been developed mainly in the last ten years. The intensive interest in smoothing over this last decade had two reasons: statisticians realized that pure parametric thinking in curve estimations often does not meet the need forexibility in data analysis and the development of hardware created the demand for theoryof now computable nonparametric estimates.

Applied Survival Analysis Regression Modeling Of Time To Event Data

y作m次多元式拟合的MATLAB代码机器学习（MATLAB）-Logistic回归 斯坦福大学在Coursera上的机器学习课程。 环境 macOS Catalina（版本10.15.3） MATLAB 2018 b 数据集 ex2data1.txt（一项功能） ex2data2.txt（两个功能） 此仓库中包含的文件 ex2.m-引导您完成练习的Octave / MATLAB脚本 ex2 reg.m-练习的后面部分的Octave / MATLAB脚本 ex2data1.txt-练习的上半部分的训练集 ex2data2.txt-练习的第二部分 Submit.m-将您的解决方案发送到我们的服务器的提交脚本 mapFeature.m-生成多项式特征的函数 plotDecisionBoundary.m-绘制分类器决策边界的函数 [⋆] plotData.m-绘制2D分类数据的函数 [⋆] sigmoid.m-Sigmoid函数 [⋆] costFunction.m-Logistic回归成本函数 [⋆] predict.m-Logistic回归预测函数 [⋆] costFunctionReg.

使用matlab实现贝叶斯向量自回归模型，可用于经济学中的预测

贝叶斯回归 贝叶斯回归的matlab实现

Model selection and estimation in regression with grouped variables