V
主页
拓端tecdat:R语言广义相加模型(GAM)在电力负荷预测中的应用
发布人
原文链接:http://tecdat.cn/?p=9024 为什么使用广义相加模型是一个不错的选择?如何在R语言中用GAM进行建模用电负荷时间序列?
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(加性)模型(GAMs)与光滑函数可视化
非线性模型原理与R语言多项式回归、局部平滑样条、 广义相加模型GAM分析
R语言广义加性模型GAMs分析温度、臭氧环境数据绘制偏回归图与偏残差图
R语言非参数模型厘定保险费率:局部回归、广义相加模型GAM、样条回归
R语言广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者
R语言用普通最小二乘OLS,广义相加模型GAM ,样条函数进行逻辑回归LOGISTIC分类
时间序列分析模型 ARIMA-ARCH GARCH模型分析股票价格数据
R语言中RStan贝叶斯层次模型分析示例
R语言基于Bootstrap的线性回归预测置信区间估计方法
R语言用ARIMA模型,ARIMAX模型预测冰淇淋消费时间序列数据
关联规则模型、Apriori算法及R语言挖掘杂货店交易数据与交互可视化
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
基于R语言混合效应模型(mixed model)案例研究
R语言多元Copula GARCH 模型时间序列预测
机器学习时间序列预测:支持向量机(SVM)、移动平均自回归(ARIMA)、随机森林助推精准销量
使用R语言进行多项式回归、非线性回归模型曲线拟合
R语言用Rshiny探索lme4广义线性混合模型(GLMM)和线性混合模型(LMM)
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
R语言用AR,MA,ARIMA 模型进行时间序列预测
R语言使用bootstrap和增量法计算广义线性模型(GLM)预测置信区间
r语言使用rjags R2jags建立贝叶斯模型
R语言中ARMA,ARIMA(Box-Jenkins),SARIMA和ARIMAX模型用于预测时间序
决策树模型原理和R语言预测心脏病实例
从决策树到随机森林:R语言信用卡违约分析信贷数据实例
R语言使用ARIMA模型预测股票收益时间序列
matlab预测ARMA-GARCH 条件均值和方差模型
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
R语言随机森林RandomForest、逻辑回归Logisitc预测心脏病数据和可视化分析
Python使用GARCH,EGARCH,GJR-GARCH模型和蒙特卡洛模拟进行股价预测
【视频】Python用GM(1,1)灰色模型预测模型对电力预测
R语言中的BP神经网络模型分析学生成绩
R语言基于copula的贝叶斯分层混合模型的诊断准确性研究
R语言中的隐马尔可夫HMM模型实例
R语言机器学习-kknn包-K近邻KNN回归模型
线性混合效应模型(LMM,Linear Mixed Models)和R语言实现案例
R语言样条曲线、泊松回归模型估计直肠癌患者标准化发病率SIR、标准化死亡率SMR
R语言可视化:ggplot2冲积桑基图sankey分析大学录取、泰坦尼克数据
为什么要处理缺失数据?如何R语言中进行缺失值填充?
R语言用多项式回归和ARIMA模型预测电力负荷时间序列数据
R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例