Публикации по теме 'r'
Допущения линейной регрессии
С реализациями на R и Python
Линейная регрессия - это статистическая модель, которая позволяет объяснить зависимую переменную y на основе вариации одной или нескольких независимых переменных (обозначенных x ). Это делается на основе линейных отношений между независимыми и зависимыми переменными.
В этой статье я быстро рассмотрю модель линейной регрессии и расскажу о пяти предположениях, которые вам необходимо проверить при выполнении линейной регрессии. Я расскажу о теории и..
Полное введение в анализ временных рядов (с R): Модели со структурой
В прошлый раз мы изучили три важных примера полупараметрических моделей: процессы IID Noise, White Noise и Random Walk. Теперь мы хотели бы исследовать модели со структурой; т. е. которые построены на предыдущих и имеют определенные особенности. Давайте погрузимся прямо в него.
Модель декомпозиции тренда
Модель трендовой декомпозиции строится следующим образом:
Так что же такое мт? Это обозначает тренд , а Yt обозначает шум. На самом деле мы обычно..
10 главных ошибок в R и как их исправить
В этом посте я расскажу о 10 наиболее распространенных ошибках в R и о том, как их исправить. Я также упоминаю пару предупреждений (которые отличаются от ошибок).
Введение
Если вы только начинаете работать с R, вы часто будете сталкиваться с ошибками в своем коде, которые мешают его запуску. Помню, когда я только начинал пользоваться R, ошибки в моем коде были настолько часты, что я чуть не бросил изучение этого языка программирования. Я даже помню, что несколько раз возвращался к..
BASIC XAI с DALEX - Часть 7: Профили Ceteris Paribus
БАЗОВЫЙ XAI
BASIC XAI с DALEX - Часть 7: Профили Ceteris Paribus
Введение в исследование модели с примерами кода для R и Python.
Добро пожаловать в серию «BASIC XAI с DALEX».
В этом посте мы представляем профили Ceteris Paribus , независимый от модели метод, который мы можем использовать для любого типа модели.
Доступны предыдущие части этой серии:
БАЗОВЫЙ XAI с DALEX - Часть 1: Введение . БАЗОВЫЙ XAI с DALEX - Часть 2: Важность переменных на основе перестановок ...
Использование машинного обучения для прогнозирования направления цены в R
В этом посте я хочу поделиться тем, как мы можем использовать алгоритмы машинного обучения, особенно те, которые подходят для задач классификации, чтобы предсказать направление рынка на следующий день. Да, я имею в виду только направление цены следующего дня, а не следующий месяц или следующие 6 месяцев. Причина, по которой я сосредотачиваюсь на таком маленьком временном горизонте, заключается в том, что теоретически должно быть легче прогнозировать краткосрочную перспективу, а не..
Используйте список R, чтобы повысить эффективность вашего проекта по науке о данных — часть 1
Представьте, что вам нужно применить один и тот же алгоритм к нескольким объектам, скорее всего к фреймам данных или векторам. Как бы вы написали код?
На работе я часто вижу такой код:
output1 <- do_something(data1)
output2 <- do_something(data2)
output3 <- do_something(data3)
...
…(Здесь опущены мои чувства, когда я вижу эти куски повсюду в сценарии) …(Здесь опущены мои чувства, когда меня попросили закончить оставшуюся часть ... )
Поэтому я решил написать об уловке с..
Учебники по науке о данных: обучение XGBoost с использованием R
Узнайте, как обучить одну из самых мощных древовидных моделей (XGBoost) с помощью языка R.
В моем последнем посте руководств по науке о данных я показал вам, как вы можете обучить случайный лес с помощью R . Хотя случайные леса являются довольно мощными моделями, они претендуют на звание чемпионов древовидных моделей благодаря повышающим алгоритмам.
Как правило, повышающие модели пытаются улучшить предыдущие деревья, работая над их ошибками — этот механизм пытается уменьшить..