摘要：
数据平滑 数据的平滑处理通常包含有降噪、拟合等操作。降噪的功能意在去除额外的影响因素，拟合的目的意在数学模型化，可以通过更多的数学方法识别曲线特征。 案例：绘制两只股票收益率曲线。收益率 =（后一天收盘价-前一天收盘价） / 前一天收盘价 使用卷积完成数据降噪。 对处理过的股票收益率做多项式拟合。 阅读全文
posted @ 2019-09-05 18:52
maplethefox
阅读(2584)
评论(0)
推荐(0)
摘要：
多项式拟合 多项式的一般形式： y=p_{0}x^n + p_{1}x^{n-1} + p_{2}x^{n-2} + p_{3}x^{n-3} +...+p_{n} 多项式拟合的目的是为了找到一组p0-pn，使得拟合方程尽可能的与实际样本数据相符合。 假设拟合得到的多项式如下： f(x)=p_{0} 阅读全文
posted @ 2019-09-05 17:08
maplethefox
阅读(13665)
评论(0)
推荐(0)
摘要：
通过两组统计数据计算而得的协方差可以评估这两组统计数据的相似程度。 样本： 平均值： 离差（用样本中的每一个元素减去平均数，求得数据的误差程度）： 协方差 协方差可以简单反映两组统计样本的相关性，值为正，则为正相关；值为负，则为负相关，绝对值越大相关性越强。 案例：计算两组数据的协方差，并绘图观察。 阅读全文
posted @ 2019-09-05 15:09
maplethefox
阅读(3540)
评论(0)
推荐(1)
摘要：
线性拟合 线性拟合可以寻求与一组散点走向趋势规律相适应的线型表达式方程。 有一组散点描述时间序列下的股价： 根据线型 y=kx + b 方程可得： 样本过多，每两组方程即可求得一组k与b的值。np.linalg.lstsq(a, b) 可以通过最小二乘法求出所有结果中拟合误差最小的k与b的值。 案例 阅读全文
posted @ 2019-09-05 14:13
maplethefox
阅读(4709)
评论(0)
推荐(0)
摘要：
什么是线性关系？ 1 2 3 4 5 60 65 70 75 ？ 线性预测 假设一组数据符合一种线型规律，那么就可以预测未来将会出现的数据。 根据线性模型的特点可以通过一组历史数据求出线性关系系数x, y, z，从而预测d、e、f下的一个数据是多少。 线性预测需要使用历史数据进行检验，让预测结果可信 阅读全文
posted @ 2019-09-05 11:12
maplethefox
阅读(295)
评论(0)
推荐(0)
浙公网安备 33010602011771号