logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

survival | 生存分析(5):加速失效时间模型(Accelerated Failure Time Model)

本篇来介绍另外一种生存模型:加速失效时间模型(Accelerated Failure Time Model,AFT模型)。AFT模型是对生存时间进行建模的。它常使用在工业领域,如研究零件寿命受温度的影响,因此把生存时间称为失效时间(Failure Time)。本篇目录如下:1 AFT模型1.1 符号说明1.2 模型形式1.3 概率分布2 R中的函数1 AFT模型1.1 符号说明使用表示生存时间(s

#python#机器学习#深度学习 +1
gstat | 空间插值(四)——克里金插值之协同克里金和交叉验证

本篇是介绍克里金插值的第三篇推文,也是最后一篇。因为前面两篇使用的数据中已知点的样本太少,本篇使用gstat工具包说明文档中的数据集。该数据集来自sp工具包。实际上,gstat工具包的方法...

#css#javascript#html +1
gstat | 空间插值(三)——克里金插值之泛克里金和简单克里金

本篇接着上篇继续介绍克里金插值。首先加载相关工具包和上篇使用的示例数据:library(gstat)library(sf)library(tidyverse)library(read...

stats | 广义线性模型(二)——泊松回归

本篇介绍一种常见的广义线性模型:泊松回归。泊松分布是离散型分布,它的概率分布函数如下:写成指数族分布的形式如下:对照指数族分布的通式:可得,广义线性模型假设与解释变量存在线性关系,即又因为...

#python#机器学习#人工智能 +2
stats | 广义线性模型(三)——二元Logistic模型和Probit模型

本篇再介绍一种常见的广义线性模型:Logistic模型。该模型主要针对分类结果进行建模。与之功能类似的另一个模型是Probit模型,但较少应用。Logistic模型的形式两点分布,又称伯努...

#python#机器学习#人工智能 +1
数据清洗的一般方法和步骤

在正式分析数据前,我们通常需要先预处理一下数据,比如筛选有效样本,定义变量格式,处理缺失值等,这些操作也就是是数据清洗的过程,目的是把数据整理成比较清洁的形式,便于后续处理。R的tidyv...

#java#大数据#spark +1
tidyverse与数据处理 | 第一讲:管道操作符

专注系列化、高质量的R语言教程推文索引 | 联系小编 | 付费合集各位读者,新年快乐!从今年开始,学堂君计划陆续推出一些视频教程。在初期阶段,这些视频会上传至付费合集,订阅的读者可以观看;形成系列化之后可能会建立专门的课程商店。本篇课程内容是《tidyverse与数据处理》的第一讲:管道操作符。相关推文:magrittr | 管道操作符在介绍管道操作符之前,可以先认识操作符。常见的操作符有:数学运

#r语言#开发语言
基于mlr3工具包的机器学习(1)——数据、模型、训练、预测

专注系列化、高质量的R语言教程(查看推文索引)mlr3是一个关于机器学习的工具包,关于它的详细介绍可参见:网页版:https://mlr3book.mlr-org.com/intro.htmlpdf版:https://mlr3book.mlr-org.com/mlr3book.pdf在本篇推文中,学堂君将介绍机器学习其中的四个环节:数据、模型、训练、预测,但并不涉及具体的模型算法。目录如下:1 基

时间序列分析(8)| 结构性变化和Perron检验

本系列的前面两篇推文介绍了使用DF和ADF方法检验时间序列数据中单位存在性。而在一些情况,使用DF和ADF方法会把受到结构性冲击的平稳过程或趋势平稳过程误认为是单位根过程。本篇就来介绍在序列存在结构性变化下的单位根检验方法——Perron检验。1 结构性变化按照Pierre Perron的研究,序列受到冲击后发生的结构性变化可以分为三类:A:冲击前后序列的水平发生变化,但...

#python#机器学习#java +2
基于mlr3工具包的机器学习(1)——数据、模型、训练、预测

专注系列化、高质量的R语言教程(查看推文索引)mlr3是一个关于机器学习的工具包,关于它的详细介绍可参见:网页版:https://mlr3book.mlr-org.com/intro.htmlpdf版:https://mlr3book.mlr-org.com/mlr3book.pdf在本篇推文中,学堂君将介绍机器学习其中的四个环节:数据、模型、训练、预测,但并不涉及具体的模型算法。目录如下:1 基

    共 20 条
  • 1
  • 2
  • 请选择