مدل های رگرسیون پویا با اسپارس در متلب + پروژه کامل
پروژه ۱۳۱۶: شبیه سازی کامل مدل های رگرسیون پویا در متلب
خلاصه:
از یک روش جدید بیزی برای مدل های رگرسیون پویا پیشنهاد شده، جاییکه ضرایب رگرسیون و اهمیت پارامترها به صورت متغیر با زمان تغییر می نماید. ما متمرکز روی پیش بینی و بنابراین صرفه جویی در مدل شده ایم تا عملکرد و بهره وری بیشتر گردد. روش جدید برای دو مساله پیش بینی در اقتصاد سنجی به کار رفته: پیش بینی حق بیمه حقوق صاحبان سهام و پیش بینی تورم. نتایج روش بیزی را تائید می نماید. برای اطلاعات بیشتر از این شبیه سازی اصل مقاله را در لینک زیر دانلود نمایید.
:title
Time-varying sparsity in dynamic regression models
دانلود: دانلود اصل مقاله لاتین
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید (ترجیحا ارسال پیامک).
برخی نتایج:
kappa accept = 0.30316
kappasigmasq accept = 0.31002
(Psi param accept = (0.29956, 0.51139
sigmasq param accept = 0.25464
mugamma accept = 0.29811
vgamma accept = 0.30099
(sigmasq accept = (0.29583, 0.31662
مجموعه: مهندسی کامپیوتر, یادگیری ماشین