您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Quantile Regression

  2. Quantile Regression CTex 2.8 CTex 2.9 WinEdt 6 注册码 注册码:660233218982323757 用户名:John Smith GSview4.9注册码 用户名:John Smith 注册码:32411-26380 18963-21159 16417-30959 15352-15768
  3. 所属分类:专业指导

    • 发布日期:2013-09-13
    • 文件大小:1048576
    • 提供者:u012117067
  1. 如何计算quantile

  2. 介绍了SAS计算quartile的几种方法
  3. 所属分类:其它

    • 发布日期:2015-01-15
    • 文件大小:220160
    • 提供者:whgcompt
  1. Unconditional Quantile Regressions 2009 Econometrica

  2. We propose a new regression method to evaluate the impact of changes in the distri- bution of the explanatory variables on quantiles of the unconditional (marginal) distrib- ution of an outcome variable. The proposed method consists of running a reg
  3. 所属分类:讲义

    • 发布日期:2015-02-02
    • 文件大小:1048576
    • 提供者:sinat_25766775
  1. XGBoost A Scalable Tree Boosting System.

  2. Tree boosting is a highly eective and widely used machine learning method. In this paper, we describe a scalable endto- end tree boosting system called XGBoost, which is used widely by data scientists to achieve state-of-the-art results on many mach
  3. 所属分类:机器学习

    • 发布日期:2017-09-09
    • 文件大小:945152
    • 提供者:shouhuxianjian
  1. Hybird AI System 13th International conference

  2. Hybrid Artificial Intelligent Systems: 13th International Conference, HAIS 2018, Oviedo, Spain, June 20-22, 2018, Proceedings (Lecture Notes in Computer Science) This volume constitutes the refereed proceedings of the 13th International Conference o
  3. 所属分类:机器学习

    • 发布日期:2018-06-12
    • 文件大小:63963136
    • 提供者:mengweilil
  1. 优雅的SciPy 英文版 Elegant SciPy

  2. Explore the NumPy array, the data structure that underlies numerical scientific computation Use quantile normalization to ensure that measurements fit a specific distribution Represent separate regions in an image with a Region Adjacency Graph Conve
  3. 所属分类:讲义

    • 发布日期:2018-06-20
    • 文件大小:11534336
    • 提供者:u011051172
  1. Elegant SciPy The Art of Scientific Python

  2. Welcome to Scientific Python and its community. If you’re a scientist who programs with Python, this practical guide not only teaches you the fundamental parts of SciPy and libraries related to it, but also gives you a taste for beautiful, easy-to-r
  3. 所属分类:Python

    • 发布日期:2018-02-26
    • 文件大小:17825792
    • 提供者:keep_cyzhao
  1. 陈天奇xgb论文《XGBoost: A Scalable Tree Boosting System》

  2. 陈天奇xgb论文。Tree boosting is a highly eective and widely used machine learning method. In this paper, we describe a scalable endto- end tree boosting system called XGBoost, which is used widely by data scientists to achieve state-of-the-art results on
  3. 所属分类:机器学习

    • 发布日期:2018-09-20
    • 文件大小:944128
    • 提供者:qq_34683051
  1. 基于西瓜书的聚类代码和介绍

  2. def GMM_algorithm(iterMax,gmm,dataset): ''' 高斯混合聚类算法 :param iterMax: 最大迭代次数 :param gmm: 保存gmm模型的数据 :return: 簇划分结果 ''' step = 0 m = len(dataset) flagMat = np.mat(np.zeros((m, 1))) # 保存每个样本的簇标记 lateProbMat = np.mat(np.zeros((m,3))) #保存后验概率 while step
  3. 所属分类:机器学习

    • 发布日期:2018-11-20
    • 文件大小:187392
    • 提供者:qq_38162468
  1. Elegant SciPy.pdf

  2. welcome to Scientific Python and its community. If you’re a scientist who programs with Python, this practical guide, Elegant SciPy not only teaches you the fundamental parts of SciPy and libraries related to it, but also gives you a taste for beaut
  3. 所属分类:机器学习

    • 发布日期:2019-07-18
    • 文件大小:30408704
    • 提供者:weixin_40763755
  1. 箱线图分位数计算源代码效率和精度高于自带程序-fenWeiShu.zip

  2. 箱线图分位数计算源代码效率和精度高于自带程序-fenWeiShu.zip 调用格式为:result = fenWeiShu,输入参数必须为两个,不能为空。 帮助信息:locT中的元素的取值范围不小于0, locT元素的大小一定要保持一致,如[0.2, 0.4, 0.6]或[20, 40, 60]。若locT中元素有出现大于1的情况,如[0.5, 20, 60],所有元素为被预处理为小于1的数)。若locMax = 576,则最大值的位数为3, 所以locNew = locT/10^3. 此程序
  3. 所属分类:其它

  1. Quantile Regression.ppt

  2. Quantile Regression.ppt
  3. 所属分类:讲义

    • 发布日期:2020-04-06
    • 文件大小:608256
    • 提供者:qq_23924691
  1. quantiles.pdf

  2. 近似分位数计算的论文原文,Space-Efficient Online Computation of Quantile Summaries。是spark中dataframe的分位数计算的原理
  3. 所属分类:算法与数据结构

    • 发布日期:2020-03-10
    • 文件大小:254976
    • 提供者:voidfaceless
  1. Oracally efficient estimation of innovation quantile andprediction bounds for autoregressive time series

  2. 误差分位数的默示有效估计与\ 自回归时间序列的预测区间,徐惠,杨立坚,基于误差分布的核平滑估计与Yule-Walker方法计算的残差,本文提出了一个全新的自回归时间序列AR(p)误差分位数估计量。在特定假设条件下,
  3. 所属分类:其它

    • 发布日期:2020-03-03
    • 文件大小:500736
    • 提供者:weixin_38670186
  1. Quantile regression and its empirical likelihood with missing response at random

  2. 随机丢失下的分位数回归及其经验似然,沈煜,梁汉营,本文研究反映变量随机丢失下的线性分位数回归模型. 基于逆概率权方法,我们建立了分位数回归的估计方程并定义未知参数的分位数回归
  3. 所属分类:其它

    • 发布日期:2020-03-02
    • 文件大小:178176
    • 提供者:weixin_38518885
  1. Variable Selection of Quantile Varying Coefficient Models Based on Kernel Smoothing

  2. 核光滑分位数变系数模型的变量选择,张日权,赵为华,分位数变系数模型是一个稳健的非参数建模方法。当使用变系数模型分析数据的时候,首先面临的是: 如何同时选择相关变量和非零常�
  3. 所属分类:其它

    • 发布日期:2020-01-29
    • 文件大小:919552
    • 提供者:weixin_38716590
  1. Statistical inference for censored partially linearvarying coefficient quantile models with longitudinal data

  2. 删失情形下纵向数据变系数分位回归模型的统计推断,杜江,谢田法,本文讨论纵向数据变系数分位回归模型的响应变量固定删失时的统计推断。其中参数估计时考虑了对非参变系数部分用样条逼近。给出了
  3. 所属分类:其它

    • 发布日期:2019-12-29
    • 文件大小:171008
    • 提供者:weixin_38638309
  1. GEODA使用手册中文版.pdf

  2. 本工作手册包括了一系列最初为 ICPSR暑期空间分析课程空间数据分析和空间回归分析而准备的实验数据。练习启动 目标 本次练习演示了如何开始使用 和它的用户界面的基构成。练习完成之后,您应该掌握 打开和关闭个工程 载入一个带有指示器(主关键字)的 文件 从菜单或工具栏中选择功能 有关这些操作的详细信息请参考 第-页和 第-页 打开一个工程 双击桌面图标或通过 (相应日录中)启动,就会出现一个欢迎界面 在菜单中选择 或单击 工具按钮,如图所示()。工具栏中 只有两项是可用的,第一个是用于打开一个项目
  3. 所属分类:教育

    • 发布日期:2019-09-04
    • 文件大小:6291456
    • 提供者:m0_37768631
  1. Algorithms for hyper-parameter optimization

  2. Algorithms for hyper-parameter optimization.pdf,讲述贝叶斯算法的TPE过程的专业论文The contribution of this work is two novel strategies for approximating f by modeling H: a hier archical Gaussian Process and a tree-structured parzen estimator. These are described in
  3. 所属分类:其它

    • 发布日期:2019-09-03
    • 文件大小:274432
    • 提供者:yangtao_whut
  1. 8.quantile regression dqn.ipynb

  2. 关于quantile regression dqn的例子,适合初学者对深度强化学习quantile regression dqn认识和了解
  3. 所属分类:讲义

    • 发布日期:2019-09-02
    • 文件大小:56320
    • 提供者:m0_37384317
« 12 »