

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、參數(shù)回歸模型以其形式簡潔,簡單易算的特點使其在各領(lǐng)域的應(yīng)用十分廣泛.但是當(dāng)解釋變量和被解釋變量關(guān)系復(fù)雜,很難用常見函數(shù)關(guān)系式表達(dá)時,就不能采用參數(shù)回歸模型建模.非參數(shù)回歸模型因其擬合復(fù)雜數(shù)據(jù)能力較強并能呈現(xiàn)數(shù)據(jù)之間的非線性關(guān)系而得到眾多學(xué)者的關(guān)注.本文主要介紹了貝葉斯局部懲罰樣條回歸模型.在貝葉斯全局懲罰樣條回歸模型中加入基于局部數(shù)據(jù)極差的局部懲罰,得到貝葉斯局部懲罰樣條回歸模型.模擬結(jié)果表明貝葉斯局部懲罰樣條回歸模型比貝葉斯全局懲罰樣
2、條回歸模型有更好地自適應(yīng)能力,對數(shù)據(jù)的擬合更充分.本文內(nèi)容具體如下:
(1)首先,介紹參數(shù)回歸模型和非參數(shù)回歸模型,指出當(dāng)數(shù)據(jù)復(fù)雜時,非參數(shù)回歸模型具有更強的擬合能力.
(2)然后,詳細(xì)介紹了懲罰樣條回歸模型參數(shù)的求解以及懲罰項的構(gòu)造,通過GCV準(zhǔn)則選擇最佳光滑參數(shù),使回歸函數(shù)擬合優(yōu)度和光滑程度之間達(dá)到平衡.
(3)最后,給出貝葉斯局部懲罰樣條回歸模型.介紹貝葉斯統(tǒng)計基本思想,并且討論了貝葉斯全局懲罰樣條回
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 回歸模型中的貝葉斯分析.pdf
- 4543.基于貝葉斯b樣條的結(jié)構(gòu)方程模型
- 4855.貝葉斯懲罰回歸中正則化參數(shù)的選擇
- 多元廣義泊松回歸模型的貝葉斯分析.pdf
- 12581.bernsteinschoenberg樣條下的單峰貝葉斯非參數(shù)分位數(shù)回歸
- 局部多項式回歸中帶寬選擇的貝葉斯方法.pdf
- 基于刪失試驗的貝葉斯生存回歸模型及其應(yīng)用.pdf
- 有序?qū)傩皂憫?yīng)半?yún)?shù)回歸模型的貝葉斯分析.pdf
- 稀疏貝葉斯模型在分類與回歸上的研究與應(yīng)用.pdf
- 貝葉斯框架下生存分析回歸模型及其變量選擇研究.pdf
- 混合模型的貝葉斯分析.pdf
- 混合多元回歸模型比較及貝葉斯網(wǎng)絡(luò)模型改進(jìn)---畢業(yè)論文
- 混合多元回歸模型比較及貝葉斯網(wǎng)絡(luò)模型改進(jìn)---畢業(yè)論文
- 未知成分個數(shù)及回歸階數(shù)的混合自回歸模型的貝葉斯分析.pdf
- 基于B樣條時空模型的局部眾數(shù)回歸.pdf
- 基于懲罰樣條的支持向量回歸.pdf
- 競爭失效模型的貝葉斯分析.pdf
- 多組圖貝葉斯分類模型研究.pdf
- 缺失數(shù)據(jù)的貝葉斯模型處理.pdf
- 自回歸條件異方差模型的貝葉斯分析及其應(yīng)用研究.pdf
評論
0/150
提交評論