V
主页
R语言时变向量自回归(TV-VAR)模型分析时间序列和可视化
发布人
原文链接:http://tecdat.cn/?p=22350 原文出处:拓端数据部落公众号 在心理学研究中,个人主体的模型正变得越来越流行。原因之一是很难从人之间的数据推断出个人过程。另一个原因是,由于移动设备无处不在,从个人获得的时间序列变得越来越多。所谓的个人模型建模的主要目标是挖掘潜在的内部心理现象变化。考虑到这一目标,许多研究人员已经着手分析个人时间序列中的多变量依赖关系。对于这种依赖关系,最简单和最流行的模型是一阶向量自回归(VAR)模型,其中当前时间点的每个变量都是由前一个时间点的所有变量(包括其本身)预测的(线性函数)。
打开封面
下载高清视频
观看高清视频
视频下载器
R语言广义相加模型 (GAMs)分析预测CO2时间序列数据
R语言惩罚logistic逻辑回归(LASSO,岭回归)高维变量选择的分类模型案例
R语言用ARIMA模型,ARIMAX模型预测冰淇淋消费时间序列数据
Copula算法原理和R语言股市收益率相依性可视化分析
R语言实现贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析
Python和R使用指数加权平均(EWMA),ARIMA自回归移动平均模型预测时间序列
Python用ARIMA和SARIMA模型预测销量时间序列数据
R语言:状态空间模型和卡尔曼滤波预测酒精死亡人数时间序列
随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型
R语言进行支持向量机回归SVR和网格搜索超参数优化
R语言信用风险回归模型中交互作用的分析及可视化
Python中用Prophet模型对天气时间序列进行预测与异常检测
分类模型评估精确率、召回率、ROC曲线、AUC与R语言生存分析时间依赖性ROC实现
R语言用线性回归预测共享单车的需求和可视化
R语言中的copula GARCH模型拟合时间序列并模拟分析
Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化
Python ARIMA时间序列模型预测航空公司的乘客数量
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
R语言神经网络模型预测车辆数量时间序列
北京大学医学博士,把做生信分析能用到的所有R语言代码,整理出来了,允许白嫖
R语言估计时变VAR模型时间序列的实证研究分析案例
R语言分位数回归Quantile Regression分析租房价格
R语言用局部加权回归(Lowess)对logistic逻辑回归诊断和残差分析
R语言数据可视化分析案例:探索BRFSS数据
R语言逻辑回归logistic模型分析泰坦尼克titanic数据集预测生还情况
R语言广义加性模型 GAMs非线性效应、比较分析草种耐寒性实验数据可视化
【视频讲解】神经网络、Lasso回归、线性回归、随机森林、ARIMA股票价格时间序列预测
【视频】向量自回归VAR数学原理及R语言软件经济数据脉冲响应分析实例
R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
R语言中的隐马尔可夫HMM模型实例
R语言中的LDA模型:对文本数据进行主题模型topic modeling分析
R语言用机器学习识别不断变化的股市状况—隐马尔科夫模型(HMM)的应用
R语言用LOESS(局部加权回归)季节趋势分解(STL)进行时间序列异常检测
R语言时间序列GARCH模型分析股市波动率
R语言支持向量回归SVR预测水位实例讲解
R语言ARIMA,SARIMA预测道路交通流量时间序列
在Python中使用LSTM和PyTorch进行时间序列预测
R语言用ARIMA模型预测巧克力的兴趣趋势时间序列
R语言混合效应逻辑回归(mixed effects logistic)模型分析肺癌数据
R语言区间数据回归分析