百度云上部署Tensorflow进行模型训练    上半年就了解过百度云但是还是tf1.0版本的，而谷歌3月份的升级到1.2改动挺大的，百度云上更新滞后，所以尽管有tf平台，版本落后每小时付费还是有点小贵，于是没有考虑了，近日有对比了几家平台，百度云深度学习tensorflow是1.2了，更符合个人的习惯，同时可以选择用jupyter登录写代码。    首先是进入百度云官网 实名认证，目前所有的云

本文从传统的时间序列SARIMAX算法讲解销量预测模型。主要涉及到python的pandas、statsmodels、joblib等模块，通过对多个模型进行并行网格搜索寻找评价指标MAPE最小的模型参数，虽然供应链销量预测可供使用的模型非常多，但是作为计量经济学主要内容之一，时间序列因为其强大成熟完备的理论基础，应作为我们处理带有时序效应数据时首要尝试的模型类型，且往往效果不错。本文只是从代码的.

AVE (Average Variance Extracted)“平均方差提取值” 衡量收敛效度CR(Construct Reliability, CR)建构信度,反映了每个潜变量中所有题目是否一致性地解释该潜变量，当该值高于0.70时表示该潜变量具有较好的建构信度。验证性因素分析AVE和CR值，可以通过AMOS或者Mplus输出的因子负荷和误差变异，手工求解，也可以用R公式如下：...