简介
考虑线性回归
\[y = X\beta + \varepsilon,\]其中 $X$ 为 $n\times p$ 矩阵, 可以理解为 $n$ 个样本, $p$ 个特征 (因变量). 当 $X$ 的列向量线性相关时, $X’X$ 不存在逆, 参数估计会有问题. 我们把 $X$ 的列向量线性相关或者近似线性相关的情形称为存在多重共线性. 因为普通线性回归参数估计要用到 $X’X$ 的逆, 多重共线性会导致参数估计非常不稳定, 比如会出现特别大的估计值.
考虑线性回归
\[y = X\beta + \varepsilon,\]其中 $X$ 为 $n\times p$ 矩阵, 可以理解为 $n$ 个样本, $p$ 个特征 (因变量). 当 $X$ 的列向量线性相关时, $X’X$ 不存在逆, 参数估计会有问题. 我们把 $X$ 的列向量线性相关或者近似线性相关的情形称为存在多重共线性. 因为普通线性回归参数估计要用到 $X’X$ 的逆, 多重共线性会导致参数估计非常不稳定, 比如会出现特别大的估计值.
本文是 《放浪息子》演出分析+对动画结局的一些见解 中一段正反打镜头分析的直接搬运. 原文没图, 在视频和文字之间反复横跳读起来比较累, 故简单搬运.
主要是挑了几个片段翻译, 改写, 未完待续.
原文
主要介绍 DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks, 其他方法暂时略讲. 附带讲一些我知道的统计学领域的方法. 例子依然主要以销量预测为例.
主要以两篇文章为主线, 串讲多个话题. 场景以零售销量预测为例.
主要介绍 Facebook 的 Prophet: Forecasting at Scale. 包含了翻译, 转述, 和我自己的理解.
其他大平台, 如链家, 贝壳等往往不能短租; 但是可以参考他们提供的信息, 比如房价, 设施等, 根据这个制定 checklist.
在 Jekyll 版本的 NexT 主题上做了若干修改. 目前初步搬运完成, 还需要进一步 debug.
线下使用 VNote 写作, 目前发现的和线上 md 的区别:
[discription](url)
描述中如果有 |
的话线上会编译成 table, 需要转义.I have moved some contents (including cheatcode generators) to wiki to reduce clutter. (2020/11/1)
Here is the new post. (2021/1/2)