时间序列概况在日常生活和专业研究中都很常见。简而言之,时间序列概况是一系列连续的数据点 y(0), y(1), ..., y(t),其中时间 t 的点依赖于时间 t-1 的前一个点(或更早的时间点)。 在许多应用中,研究者致力于预测时间序列概况的未来行为。存在各种建模方法。

Hosmer DW和Lemeshow S合作发表了多篇有关logistic回归模型的研究文献，于1989年出版了《Applied Logistic Regression》一书，在SPSS软件二元logistic回归“选项”对话框中,可以看到“Hosmer-Lemeshow”（霍斯默-莱梅肖检验）用于模型拟合优度检验。 书中“The Low Birth Weigh Study ...

回忆一下上期的内容，我们介绍了exact logistic回归在小样本或稀疏数据中极大似然估计不可靠时的应用，并提到它存在一些缺点，本期我们介绍Firth惩罚极大似然估计，它不存在exact logistic回归的缺点，我们用上期同样的数据分别在SAS和R中实现。 Firth惩罚极大似然 ...

线性回归与logistic回归，是目前最流行的两个机器学习模型。 在我的上一篇教程里，你们已经学习了线性回归机器学习算法背后的历史和理论。 本教程的主题是：如何用Python中的scikit-learn库，建立、训练和测试你的第一个线性回归机器学习模型。 第1节：线性 ...