Shiyang_-CSDN博客

原创分类变量回归——Probit和Logit（附代码）

分类变量回归——Probit和Logit为什么不是普通线性回归？什么是Link函数？如何实现（statsmodels&sklearn）？statsmodels（统计学分析场景推荐）ProbitLogitMNLogit（Multinormal）sklearn（机器学习场景推荐）为什么不是普通线性回归？使用普通线性回归技术，我们必须确保回归技术对于研究问题的适用性，才能相信回归结果是可靠的。识别回归技术的适用性，我们需要对回归分析进行诊断，诊断内容是线性回归最基本的六个假设是否成立，即误差项是一

2020-06-11 14:07:15 19570 2

原创机器学习算法——SVM简单易懂应用实战

机器学习算法——SVM简单易懂应用实战SVM(Support Vector Machine)学习资料总结实战应用导入工具数据展示将数据转化为数值型使用Sklearn的API绘制结果的混淆矩阵测试在不同的C下的准确率变化测试在不同的Gamma下的准确率变化SVM(Support Vector Machine)学习资料总结支持向量机（SVM）的分析及python实现机器学习实战（六）——支持向量机ML支持向量机（SVM）从入门到放弃再到掌握MIT的SVM教程实战应用导入工具import pa

2020-06-06 12:22:16 1634

原创关联规则挖掘——Apriori及其优化（Python实现）

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你想学习如何使用Mar

2020-05-28 13:55:56 5608 7

原创新冠数据整理和简单分析(四)——基于SEAIR模型逆推潜伏期时长分布

新冠数据整理和简单分析写在前面简单介绍具有离散潜伏期的SEAIR模型推断过程结果展示写在前面注意: 本文章涉及内容已形成学术成果发表，只供学习参考，如被发现抄袭，后果自负。简单介绍最近花了一些时间完成了一个关于新冠肺炎潜伏期的研究，主要是基于在我之前写的新冠数据整理和简单分析(三)中提到的SEAIR模型，我利用SEAIR中潜伏期向发病期（有症状和无症状两种）转化的动态过程来完成对新冠病毒潜伏期的时间概率分布的推导。这也是我对于新冠系列分析的尾声，算是对我之前写到的三部分内容的提升和总结。因为该方法

2020-05-24 11:42:41 8923 56

原创机器学习算法——使用Adaboost进行分类性能提升

AdaBoost实战AdaBoost原理Ensemble Learning（集成学习）AdaBoost工作机制分类器实现准备工作基本接口调用更换元分类器确定元分类器数量确定学习率使用鸢尾花数据集检验AdaBoost原理Ensemble Learning（集成学习）集成学习是指集合多个弱分类器以形成一个集成的强分类器。集成学习的框架可以通过下图来反映也就是说，集成学习是一种集合了多个机器学习模型的“意见”，已完成最后决策的机制。常见的集成学习策略有三种：BaggingBoostingSta

2020-05-16 11:20:35 2226 1

原创机器学习算法——手动搭建决策树分类器(代码+作图)

决策树分类器实战决策树分类器原理分类器实现使用鸢尾花数据集检验决策树分类器原理分类器实现使用鸢尾花数据集检验

2020-05-15 12:26:54 2115 2

原创机器学习算法——手动搭建KNN分类器(代码+作图)

KNN分类器实战KNN分类器原理分类器实现使用鸢尾花数据集检验KNN分类器原理令 DDD 为一个包含 nnn 个点 xi∈Rdx_{i}\in R^{d}xi∈Rd 的数据集，其中 DiD_{i}Di 为类标签为 cic_ici 的点的子集，ni=∣Di∣n_{i}=|D_i|ni=∣Di∣。现给定一个测试点 xj∈Rdx_{j}\in R^{d}xj∈Rd以及需要考虑的邻居节点数为 KKK，令 rrr 代表从 xjx_jxj 到它的第 KKK 个最近邻居的距离。根据这个距离我们可以画

2020-05-14 11:22:21 1200

原创机器学习算法——手动搭建朴素贝叶斯分类器(附代码)

朴素贝叶斯分类器实战朴素贝叶斯分类器原理分类器实现使用鸢尾花数据集检验朴素贝叶斯分类器原理（1）X=(x1,x2,⋯ ,xD)X=\left( x_{1},x_{2},\cdots ,x_{D}\right)X=(x1,x2,⋯,xD) 表示含有 DDD 维属性的数据对象。训练集 SSS 含有 kkk 个类别，表示为 Y=(y1,y2,⋯ ,yk)Y=\left( y_{1},y_{2},\cdots ,y_{k}\right)Y=(y1,y2,⋯,yk)。（2）已知待分类数据对象Ω预测Ω

2020-05-12 12:49:53 2739

原创新冠数据整理和简单分析（三）—— 使用Anylogic进行仿真实验

新冠数据整理和简单分析（三）—— 使用Anylogic进行仿真实验简单介绍模型介绍SIRSEAIR-C简单介绍在上一篇文章中我试图使用Optuna的超参数拟合技术来求更复杂的SIR模型变种，但是遇到了数据无法观测的问题（潜伏期和无症状患者无法观测），因此在这篇文章中，我们换一个角度，使用系统动力学模型来仿真更复杂并且贴近现实的COVID-19传染情景，便于大家了解病毒的传播过程。模型介绍S...

2020-04-13 12:41:35 8864 3

原创新冠数据整理和简单分析（二）——SIR及其变种

新冠数据整理和简单分析（二）——SIR、SIR-D、SIR-F在上篇文章的基础上，本文将补充更多的数据进行时间序列分析的补充和SIR模型及其变种的构建。数据补充...

2020-04-10 00:28:19 7018 2

原创新冠数据整理和简单分析

关于新冠病毒的时序，复杂网络，小波分析第一部分。第二篇会在本文的基础上继续深入每个部分的介绍，并简单建立SIR模型。

2020-04-06 19:53:52 15584 7

Shiyang的博客