宁波工程学院2025考研初试自命题科目考试大纲:432统计学

10.多元线性回归多元回归模型与回归方程、最小二乘估计、回归系数的检验和推断、多重共线性、利用多元回归方程进行预测。(2)概率论1.随机事件与概率事件及关系和运算、事件的概率、条件概率和全概率公式。2.随机变量及其分布离散型随机变量的分布列和分布函数、离散型均匀分布、二项分布和泊松分布;...

深入理解多重共线性:基本原理、影响、检验与修正策略

在VIF的计算过程中,我们为每个自变量拟合一个线性回归模型,使用数据集中其余的自变量作为预测变量。步骤2:对于每个线性回归模型,我们计算决定系数R??。这给出了每个自变量的R??值(记为R????),表示其他自变量能够解释该自变量变异性的程度。步骤3:使用以下公式计算每个自变量的VIF:VIF??=1/(1-R...

使用机器学习技术进行时间序列缺失数据填充:基础方法与入门案例

missing_data=data_with_index[data_with_index['Energy_Production'].isna()]#第三步:模型训练#使用完整数据训练线性回归模型regressor=LinearRegression()regressor.fit(non_missing_data[['Time_Index']],non_missing_data['Energy_Production'])#第四步:缺失值预测predicted_values=regressor.predict...

做期货会用到什么数学题?数学模型在期货交易中的应用如何提升了解...

线性回归模型是预测期货价格走势的常用工具。通过分析价格与影响因素(如供需关系、宏观经济指标等)之间的线性关系,交易者可以构建预测模型。线性回归模型的优势在于其简单性和直观性,能够快速识别出主要的影响因素,并据此进行交易决策。3.时间序列分析时间序列分析是专门用于处理按时间顺序排列的数据的数学方法。在期货...

可解释性机器学习:使模型的决策过程可理解和可解释

传统的机器学习算法如决策树、线性回归等模型通常具有较强的可解释性,可以通过特征权重、决策路径等方式来解释模型的决策原因。然而,随着深度学习等复杂模型的发展,模型的可解释性越来越差,使得人们难以理解模型的决策过程。可解释性机器学习旨在提供一系列方法和技术,使得复杂模型的决策过程能够被人类理解和解释。

深入理解双变量(二元)正态投影:理论基础、直观解释与应用实例

二元投影有助于确定在给定另一个变量的特定值时的一个随机变量的期望值(www.e993.com)2024年12月19日。例如,在线性回归中,投影有助于估计因变量如何随自变量变化而变化。本文分为3个部分:在第一部分,我将探讨二元投影的基础知识,推导其公式并演示其在回归模型中的应用。在第二部分,我将提供一些关于投影的直观理解和一些图表,以更好地理解其...

三个理解2023年GDP数据的维度

我们可以将DDM估值模型分解为三条线索：盈利增长、无风险利率和风险偏好。我们估算得2024全A归母净利润增速有望落在3.0%-3.5%区间，同时结合我们对于全年政策利率有望下调30bp（两次下调15bp）的判断，我们认为今年市场表现可能会略强于2023年。但当前市场参与者的恐惧主要在于系统性风险和经济之外的非经济因素，...

周翔|??算法规制如何场景化

第一步:设计预测模型。测试用的智能产品,是一款预测刑事案件犯罪嫌疑人被采取强制措施类型的智能辅助产品。产品的算法采用较强可解释性的对数回归(logistics)算法,模型的输入为案件的当事人、案件事实的基本情况,采用文本的输入形式;模型的输出为犯罪嫌疑人被采取的强制措施类型,采取二分类标签,标签0为取保候审,标签1为...

ICML 2024 | 大语言模型如何表征不同信念?

图4.在(A)中,旁观者的信念状态可以通过线性模型区分,而主角则不能。红线和蓝线分别代表旁观者和主角的线性决策边界;在(B)中,旁观者和主角的信念状态都可以通过线性模型准确建模;(C)进一步展示了使用多项线性回归模型进行联合信念状态估计的决策边界,箭头指示了每个类别的探测权重方向。

深入浅出:可视化理解揭示决策树与梯度提升背后的数学原理

理论上,梯度提升可以使用任何弱模型,但是决策树由于其捕捉复杂交互和非线性关系的能力而成为最常见的选择。这里我们首先解释用于回归的梯度提升,因为它更容易理解。之后,我们将讨论梯度提升分类器。梯度提升回归梯度提升回归包括几个步骤。我们还是使用上面的数据集来解释这些步骤。梯度提升首先通过使用训练数据集做一个...