探究基差策略在企业套保过程中的量化规则
在简单线性回归中,主要通过相关指数R2观察线性回归的拟合优度、通过SignificanceF检验线性关系显著性的P值、通过T查看P-value检验回归方程系数的显著性,以及通过残差分析确定线性回归的前提假设。表为3组样本的显著性检验通过上述数据可以发现,P值不仅小于0.05,而且小于0.01,存在极显著差异,说明关联的两组样本总体间...
KAN一作刘子鸣直播总结:KAN的能力边界和待解决的问题
首先,一个关键的技巧称为“残差激活函数”。如果我们仅将激活函数初始化为样条函数,虽然它在局部区域内光滑,但随着网格点的增加,整体将显得震荡且非光滑。这种状态对于损失函数的可微分非常不利。因此,我们的策略是在一个平滑的函数基础上增加一些扰动作为初始化。我们选择了使用Selu作为基础激活函数(缩放指数线性单元...
从零构建现代深度学习框架(TinyDL-0.01)
1.直线和曲线的拟合2.螺旋数据分类问题其中第三张图,可以看到模型可以学习出非常清晰的区块边界。3.手写数字分类问题在深度学习中,手写数字分类问题是一个经典的问题,常用于介绍和学习深度学习算法,该问题的目标是将手写的数字图像正确地分类成相应的数字。简单地经过50轮的训练后,loss从1.830减少到0.034。
21种数学建模国赛常用方法,附MATLAB代码总结
(1)[b,bint,r,rint,stats]=regress(y,x),其中b是回归方程中的参数估计值,bint是b的置信区间,r和rint分别表示残差及残差对应的置信区间。stats包含三个数字,分别是相关系数,F统计量及对应的概率p值。(2)recplot(r,rint)作残差分析图。(3)rstool(x,y)一种...
怎么发现我数据中存在的特异值?教你几招!
箱式图指出的两个可能的离群值为第317和377号观测值,因为这两个结果变量Sales的观测值超出了上文所说的判定范围。关于在SPSS中如何通过箱式图判断离群值,请看《单因素方差分析,我见过的最详细的SPSS教程》。方法二:学生化残差(studentizedresidual)
如何制作数据分析图?excel制作数据分析图的教程
先前得出的回归方程虽然拟合程度相当高,但是在x=0时,仍然有对应的数值,这显然是一个可笑的结论(www.e993.com)2024年8月6日。所以我们选择“常数为零”。“回归”工具为我们提供了三张图,分别是残差图、线性拟合图和正态概率图。重点来看残差图和线性拟合图。excel表格制作数据分析图的步骤5:在线性拟合图中可以看到,不但有根据要求生成的数据...
数据清洗在新能源功率预测中的研究综述和展望
新能源异常数据可以看成是功率曲线中的奇异点。使用小波变换可以处理非平稳信号,并从非平稳信号中精确辨识出奇异点的位置。通常来说,对奇异点位置的辨识依赖于小波变换系数正负模极大值线在低尺度上的交点。正负模极大值线可以延伸至尺度接近零处,保证两曲线相交,从而找到奇异点的位置,之后再对其进行修正。但是...
计算广告中主要模块、策略及其场景(下)
提升即迭代,是不断缩小残差(真实值-预测值)的过程,建立M个决策树模型,每个模型都是弱分类器,每次分类后对分错的数据的权重增加后再分类,一直到训练和测试数据获得较好结果。训练一个提升树模型来预测年龄:训练集是4个人,A,B,C,D年龄分别是14,16,24,26。样本中有购物金额、上网时长、经常到百度知道提问等特...
数据驱动的动态系统(Dynamical System)建模(二):系统辨识
其实不必看结果我们也已经估摸到结果可以达到100%的准确度,如下图。当然这个例子并非严谨,我们只看了训练过程,也没有准备测试数据,数据本身也没有噪声,但对于说明系统辨识的应用场景还是比较直观的。系统辨识利用测量得到的系统输入和输出信号来给那些不容易通过第一原理建模的动态系统构建数学模型。
【深度报告——金融工程】衍生品量化择时系列专题(八):基于聚类...
本报告依据OLS进行滚动回归预测。OLS(普通最小二乘法)多元回归的原理为,最优拟合曲线使得各点到直线的距离的平方和(残差平方和RSS)最小:本报告采用滚动回归的方式进行回测,以避免使用未来数据。以周度预测为例,首先设置相应的滚动回归窗口长度N,对每一天T都截取T-N到T时间段的基本面数据,由于为周度预测,需要对...