qq_43118572的博客

1.什么是统计学习统计学习是基于数据构建概率模型，并运用模型对数据进行预测与分析。2.衡量预测函数在何种程度接近观测值，用均方误差MSE3.如何估计f分为两类方法：参数方法 和 非参数方法。参数方法： 一般用在回归问题先 对函数f的形式事先做明确的假设，并选择模型，最常用的是参数模型；再 用最小二乘法 拟合参数非参数法： 一般用在分类问题相较于参数法，需要较多的观测数据4.欠拟合与过拟合：欠拟合：原因：模型过于简单，例如对于非线性的数据，用线性的模型去拟合。结论：欠拟合

解决方法：仅需添加语句：par(family=“STXihei”) 即可

1.逻辑斯蒂回归library(ISLR)attach(Smarket)glm.fit <- glm(Direction~Lag1 + Lag2 + Lag3 + Lag4 + Lag5 + Volume, data = Smarket,family = binomial) #family = binomial 说明glm()执行逻辑斯蒂回归train <- (Year...

Title : TODOObjective : TODOCreated by: chenjunyiCreated on: 2020/2/11#Feb_11#截止至昨日24:00 的感染人数par(family=“STXihei”)Today_confirmedNum <- c( #截至于Feb_1144742,42744, 40224, 37162,34594, 3...

转自：https://blog.youkuaiyun.com/kMD8d5R/article/details/818441261.图像标题

一、交互项① 语句lstat : black —— 将lstat和black的交互项lstat x age纳入模型② 语句lstat * age —— 将lstat，age和交互项lstat x age同时作为预测变量（即lstat * age = lstat + age + lstat x age）二、预测变量的非线性变换1.创建非一次变量： I()，如 I(X^2)2.量化乙模...

1.导入.csv文件csv_1 <- read.csv("/Users/*******/Desktop/Graduation thesis/test/test_Boston_CSV.csv")2.导入.xlsx文件①安装readxl库函数install.packages(“readxl”)②引入readxl库函数library(readxl)③读取文件的具体路径...

一、交叉验证法1.验证集方法将数据分为 训练集 和 验证集。2.留一交叉验证法LOOCV①将一个单独的观测(x1,y1)作为验证集，剩下的观测 {(x2,y2), (x3,y3), … , (xn, yn)}组成训练集。然后在n-1个训练观测上拟合统计学习方法，再对余下的观测根据它的值x1来做yih。MSE1 = (y1 - y1h)^2提供了对于测试误差的一个渐进无偏估计。②重复这个步...

线性模型的扩展1.两个概念：可加性与线性性①可加性：可加性是指预测变量Xj的变化对响应变量Y产生的影响与其他预测变量的取指无关。线性假设是指无论Xj取何值, Xj变化一个单位引起的响应变量Y的变化是恒定的。②线性关系：响应变量跟预测变量未必是线性，有时是多项式回归2.去除可加性假设注意到：当TV或radio其中之一较低时，真实sales总是低于线性模型的预测。但当两种媒体共...

多元线性回归1.估计系数(estimating coefficient)选择Beta0，Beta1使残差平方和最小。Bj 解释为在所有其他预测变量保持不变的情况下，Xj增加一个单位对Y产生的平均效果。“在将温度变量纳入模型之后，同时用冰激凌销量和温度对鲨鱼攻击量建立多元回归模型，与直觉相符的结论才能产生出来，冰激凌销量这一预测变量变得不再显著”————解释了多元线性回归优于简单线...

1.估计系数(estimating coefficient)2.残差平方和(residual sum of squares) RSS = e1^2 + e2^2 + ... + en^2 =(y1-Beta0-Beta1*x1)^2 + (y2-Beta0-Beta1*x2)^2 + ... + (yn-Beta0-Beta1*xn)^23.样本均值(sample me...

1.预测与推断预测：fhead是黑箱子推断：fhead是具体函数无论是用于预测，还是用于推断，更精确的仍然是在欠光滑度的模型上取得的，也许会貌似违反直觉，然而这正是其高抗光滑模型过拟合缺陷的能力所在。2.最小二乘法拟合(多元)线性模型的方法叫最小二乘法，它是拟合线性模型最流行的方法，其光滑度较低，但模型解释性较强。补：①第6章讨论的lasso回归方法，在线性模型基础上建模，但其估计系...

1.载入库函数library(MASS)library(ISLR)2.简单回归lm.fit = lm(response~predictor, data = DATASET)attach(DATASET)lm.fit = lm(response~predictor)②查找置信区间 confidence()③predict()函数可以计算置信区间和预测区间 predict(l...