- 博客(19)
- 收藏
- 关注
RSS订阅原创 实证分析方法概述（附Python代码）
当你要研究变量之间的复杂关系时，结构方程模型（SEM）是一个强大的工具。在多元回归分析中，多个自变量之间可能存在强烈的相关性，这会导致多重共线性问题，影响回归系数的估计结果。首先，你需要对数据进行初步的描述性统计分析，以了解数据的基本特征。回归分析是实证分析中最常用的技术之一，适用于检验自变量和因变量之间的关系。如果数据集非常庞大，并且涉及的变量非常复杂，使用传统的回归方法可能无法获得良好的效果。它可以帮助你理解变量之间的复杂关系，并揭示更深层次的因果机制。：适用于自变量和因变量之间的线性关系。
2025-04-05 11:09:31
2450
原创 Transformer架构介绍
Transformer最初是在《Attention is All You Need》这篇论文中提出的，由Google的研究者Vaswani等人于2017年发表。Transformer的核心优势是它能够并行处理序列数据，而不需要像RNN那样逐步地处理序列，这使得它在训练速度上有显著的提升。Transformer架构由**编码器（Encoder）
2025-04-04 20:54:02
894
原创 自然语言处理（NLP）：如使用RNN、LSTM、BERT等模型进行文本分析
自然语言处理（NLP）是机器学习的一个重要领域，涉及到如何让计算机理解、处理和生成自然语言（如英语、中文等）。NLP的应用非常广泛，从文本分类、情感分析到机器翻译、自动摘要等。在NLP中，我们通常使用不同类型的神经网络模型，如（Long Short-Term Memory）和（Bidirectional Encoder Representations from Transformers）来处理和理解文本数据。下面，我们将深入了解这些模型，并展示它们在NLP任务中的应用。
2025-04-04 20:52:41
1845
原创 Python数据科学与分析
通过掌握以上基础，你将能够进行数据清洗、分析、建模和评估。高级机器学习：集成方法（如随机森林、XGBoost）、深度学习等。时间序列分析：用于处理时间依赖的数据。自然语言处理（NLP）：用于文本数据分析。大数据技术：如Spark、Hadoop等。
2025-04-04 20:48:40
686
原创 报错：错误于library(caret): 不存在叫‘caret’这个名称的程序包
安装Rtools并尝试重新安装caret包。尝试使用默认的CRAN镜像源下载caret包。如果以上方法都无法解决，考虑手动安装或检查R版本。
2025-04-04 19:35:32
926
原创 R语言入门（八）
更复杂的机器学习算法神经网络适用于复杂的非线性建模，nnet包提供了简单的神经网络实现。XGBoost是一个强大的集成学习算法，适用于回归和分类问题。使用网格搜索和随机搜索对模型进行调优。大数据处理与分布式计算使用data.table包处理大数据，进行快速的数据操作。使用sparklyr包与Apache Spark进行分布式计算，适用于处理大规模数据集。
2025-04-04 19:28:04
312
原创 R语言入门（七）
模型部署使用saveRDS()保存模型，readRDS()加载模型。使用plumber包将模型部署为Web服务，进行在线预测。更复杂的机器学习算法随机森林：适用于分类和回归任务，通过多个决策树提高准确性。支持向量机：适用于分类任务，尤其在高维数据下表现优异。
2025-04-04 19:24:46
552
原创 R语言入门（六）
回归模型评估使用R-squaredMSERMSE和残差分析来评估回归模型的表现。分类模型评估使用混淆矩阵准确率精确率召回率和F1分数来评估分类模型的表现。模型调优使用交叉验证来防止过拟合，使用超参数调优来提高模型性能。
2025-04-04 19:22:20
908
原创 R语言入门（五）
探索性数据分析（EDA）：通过统计、可视化等方法探索数据，了解数据分布、关系、异常值等。线性回归：用于预测一个连续变量，简单的回归模型。逻辑回归：用于处理二分类问题，通过回归模型进行分类预测。分类模型（决策树）：使用决策树算法进行分类，适用于分类问题。
2025-04-04 19:20:38
436
原创 R语言入门（四）
数据可视化是数据分析中非常重要的一部分，R提供了强大的图形功能，可以帮助你直观地展示数据。我们将从基础的图形绘制开始，并逐步深入学习R中常用的绘图包，特别是ggplot2，它是一个非常强大的可视化工具，广泛应用于数据分析和科学研究。
2025-04-04 19:18:43
218
原创 R语言入门（二）
数据框是R中常用的数据结构之一，尤其在数据分析和统计建模中非常常见。R语言有很多常见的数学函数，你可以用它们来进行计算、处理数据。向量操作是R中最常见的操作。R提供了多种函数来对向量进行处理。R中有很多函数可以生成特定的数字序列或重复数字。R语言提供了常见的逻辑运算符，用来执行条件判断。下一步深入学习如何进行数据导入、清洗和可视化！处理字符数据时，R也提供了很多有用的函数。
2025-04-04 17:16:06
237
原创 R语言入门（一）
首先确认你已经安装好R语言和RStudio。RStudio是一个方便的集成开发环境（IDE），可以让你在R中编写和执行代码。下一步，我们将学习如何处理数据集、进行数据导入与导出，进行更复杂的数据操作。我们可以根据条件执行不同的代码。循环用于遍历一个序列（如向量、列表等）。是R中的一个内置函数，用于简化条件判断。循环会持续执行，直到条件不成立为止。向量是R中最基本的数据结构。R语言中有许多内置函数。R语言支持常见的数学运算符。函数检查变量的数据类型。，这是R语言的传统做法。在R语言中，可以使用。
2025-04-04 17:12:06
548
原创 “to”后面接动词原形（do）还是动名词（doing）
在英语中，“to”后面接动词原形（do）还是动名词（doing），取决于“to”在句子中的功能。
2025-03-20 20:52:01
3809
原创 A survey on the fusion process in opinion dynamics（2018）
目录一、观点动力学模型的研究二、观点演化理论的一些基本模型一、观点动力学模型的研究基本元素的研究：观点表达的范式、融合规则、以及观点演化的环境稳定状态的研究：达成共识，两极分化，观点分裂在群体中，个体不会完全地接受或完全忽略其他个体的观点，而是会在更新观点的过程中考虑这些观点（观点融合规则中考虑进去）。通过群体的交互过程，个体不断更新和融合他们对同一问题的意见，并最终形成共识达成、两极分化或分裂三种稳定状态。意见动态模型可分为两类：一方面，有些模型认为观点是离散的(
2022-05-12 12:57:50
285
原创 网络类型笔记
典型的网络是由节点与连接两节点的边组成，现实生活存在大量复杂系统可通过网络加以描述，比如社交网络、电力网络、交通网络等。1. 基本概念【特征路径长度】（characteristic path length） 在网络中，任选两个节点，连通这两个节点的最少边数，定义为这两个节点的路径长度（距离），网络中所有节点对的路径长度的平均值，定义为网络的特征路径长度。这是网络的全局特征。【聚合系数】(clustering、 coefficient) 节点A和B相连，B和...
2022-05-11 16:08:44
148
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人