摘要：
求解思路若⼀个规划问题中有多个⽬标, 例如企业在保证利润最⼤时也要保证⽣产时产⽣的 污染最少。这种情况下我们可以对多⽬标函数进⾏加权组合, 使问题变为单⽬标规划 , 然后再利⽤之前学的知识进⾏求解。 将多目标规划转化为单目标规划问题，即对上面的两个目标函数进行加权。 如果两个目标函数的单位不同，我们 阅读全文
posted @ 2021-09-04 20:01
⭐⭐-fighting⭐⭐
阅读(1941)
评论(0)
推荐(0)
摘要：
线性规划的一般形式 数学规划的分类 1、线性规划：如果目标函数f（x）的约束条件均是决策变量的线性表达式、 2、非线性规划：当目标函数f（x）或者约束条件中有一个是决策变量x的非线性表达式。 3、整数规划：一类要求变量取整数值的数学规划。线性整数规划 4、0-1规划:整数变量的取值只能为0和1 线性 阅读全文
posted @ 2021-09-03 21:44
⭐⭐-fighting⭐⭐
阅读(463)
评论(0)
推荐(0)
摘要：
⭐找到最合适的模型进行操作 1、虚拟变量 2、两种二分类方法都用上 3、正确率过高可能存在过拟合情况 4、分测试组和实验组继续拟合（交叉分析） 阅读全文
posted @ 2021-09-03 19:33
⭐⭐-fighting⭐⭐
阅读(90)
评论(0)
推荐(0)
摘要：
LDA(Linear Discriminant Analysis)是一种经典的线性判别方法，又称Fisher判别 分析。该方法思想比较简单:给定训练集样例，设法将样例投影到一维的直线 上，使得同类样例的投影点尽可能接近和密集，异类投影点尽可能远离。 核心问题：找到线性系数向量 结果分析 Fisher 阅读全文
posted @ 2021-09-03 19:10
⭐⭐-fighting⭐⭐
阅读(394)
评论(0)
推荐(0)
摘要：
数据预处理（生成虚拟变量） 对于因变量为分类变量的情况，我们可以使用逻辑回归进行处理。 把y看成事件发生的概率，y>0.5表示发生；y<0.5表示不发生 线性概率模型（Linear Probability Model，简记LPM）直接用原来的回归模型进行回归 限制条件（两点分布--伯努利分布） 连接 阅读全文
posted @ 2021-09-03 16:30
⭐⭐-fighting⭐⭐
阅读(558)
评论(0)
推荐(0)
摘要：
检验多重共线 如果发现存在多重共线性，可以采取以下处理方法。 (1)如果不关心具体的回归系数，而只关心整个方程预测被解释变量的能力，则通常可以不必理会多重共线性（假设你的整个方程是显著的）。这是因为，多重共线性的主要后果是使得对单个变量的贡献估计不准，但所有变量的整体效应仍可以较准确地估计。 (2) 阅读全文
posted @ 2021-09-03 14:28
⭐⭐-fighting⭐⭐
阅读(1039)
评论(0)
推荐(0)
摘要：
扰动项要满足的条件 Var为方差 自相关：当i不等于j的时候，任何两个扰动项相关系数为0 横截面数据容易出现异方差的问题； 时间序列数据容易出现自相关的问题。 异方差 如果扰动项存在异方差： （1）OLS估计出来的回归系数是无偏、一致的。 （2）假设检验无法使用（构造的统计量（t统计量）失效了）。 阅读全文
posted @ 2021-09-02 21:45
⭐⭐-fighting⭐⭐
阅读(1270)
评论(0)
推荐(0)
摘要：
为了更为精准的研究影响评价量的重要因素（去除量纲的影响）， 我们可考虑使用标准化回归系数。 对数据进行标准化，就是将原始数据减去它的均数后，再除以该变 量的标准差，计算得到新的变量值，新变量构成的回归方程称为标准化 回归方程，回归后相应可得到标准化回归系数。 标准化系数的绝对值越大，说明对因变量的影 阅读全文
posted @ 2021-09-02 19:41
⭐⭐-fighting⭐⭐
阅读(1174)
评论(0)
推荐(0)
摘要：
// 按键盘上的PageUp可以使用上一次输入的代码（Matleb中是上箭头）// 清除所有变量clear// 清屏 和 matlab的clc类似cls // 导入数据（其实是我们直接在界面上粘贴过来的，我们用鼠标点界面导入更方便 本条请删除后再复制到论文中，如果评委老师看到了就知道这不是你写的了） 阅读全文
posted @ 2021-09-02 19:18
⭐⭐-fighting⭐⭐
阅读(1959)
评论(0)
推荐(0)
摘要：
⭐在任何回归模型求解前先进行方差F检验 1、描述性统计。列万描述性统计一定要补充说明每个数据的特点 例子如下 2、线性模型假设 2.1、列出指标总体情况介绍 假设自变量X={x1,x2,x3,x4,x5},因变量y=4,且满足如下线性关系： 其中μ为无法观测且完全随机的扰动项。 3、模型的求解 一、 阅读全文
posted @ 2021-09-02 19:17
⭐⭐-fighting⭐⭐
阅读(626)
评论(0)
推荐(0)
浙公网安备 33010602011771号