http://dbpedia.org/ontology/abstract
|
Ядерная регрессия (англ. kernel regression … Ядерная регрессия (англ. kernel regression) — непараметрический статистический метод, позволяющий оценить условное математическое ожидание . Его смысл заключается в поиске нелинейного отношения между парой случайных величин X и Y. В любой условное матожидание величины относительно величины можно записать так: где — некая неизвестная функция.сать так: где — некая неизвестная функция.
, Unter Kernregression (englisch kernel regr … Unter Kernregression (englisch kernel regression, daher auch Kernel-Regression) versteht man eine Reihe nichtparametrischer statistischer Methoden, bei denen die Abhängigkeit einer zufälligen Größe von Ausgangsdaten mittels Kerndichteschätzung geschätzt wird. Die Art der Abhängigkeit, dargestellt durch die Regressionskurve, wird im Gegensatz zur linearen Regression nicht als linear festgelegt. Der Vorteil ist eine bessere Anpassung an die Daten im Falle nichtlinearer Zusammenhänge. Abhängig davon, ob die Ausgangsdaten selbst zufällig sind oder nicht, unterscheidet man zwischen Random-Design- und Fixed-Design-Ansätzen. Das grundlegende Verfahren wurde 1964 unabhängig voneinander von Geoffrey Watson und Elisbar Nadaraia (englische Transkription: Elizbar Nadaraya) vorgeschlagen.kription: Elizbar Nadaraya) vorgeschlagen.
, In statistics, kernel regression is a non- … In statistics, kernel regression is a non-parametric technique to estimate the conditional expectation of a random variable. The objective is to find a non-linear relation between a pair of random variables X and Y. In any nonparametric regression, the conditional expectation of a variable relative to a variable may be written: where is an unknown function. be written: where is an unknown function.
, 核回归(又称局部加权线性回归)是统计学中用于估计随机变量的条件期望的非参数方法。目的是找到一对随机变量X和Y之间的非线性关系。 在任何非参数回归中 ,变量的条件期望 相对于变量可以写成: m为一个未知函数。
|
http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/Cps71_lc_mean.png?width=300 +
|
http://dbpedia.org/ontology/wikiPageExternalLink
|
https://ideas.repec.org/c/boc/bocode/s372601.html +
, https://web.archive.org/web/20180519032545/https:/www.stata.com/manuals/rnpregress.pdf +
, https://books.google.com/books%3Fid=hD3WBQAAQBAJ +
, https://web.archive.org/web/20070927062200/http:/people.revoledu.com/kardi/tutorial/Regression/KernelRegression/index.html +
, https://github.com/jmetzen/kernel_regression +
, http://pcarvalho.com/things/kernelregressor/ +
, https://github.com/panlanfeng/KernelEstimator.jl +
, https://www.math.muni.cz/english/science-and-research/developed-software/232-matlab-toolbox.html +
, https://books.google.com/books%3Fid=dgHaBwAAQBAJ +
, https://archive.org/details/nonparametriceco00paga +
, http://www.cs.tut.fi/~lasip +
, https://books.google.com/books%3Fid=Zsa7ofamTIUC +
|
http://dbpedia.org/ontology/wikiPageID
|
8771825
|
http://dbpedia.org/ontology/wikiPageLength
|
8612
|
http://dbpedia.org/ontology/wikiPageRevisionID
|
1122125567
|
http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Category:Nonparametric_regression +
, http://dbpedia.org/resource/Geoffrey_Watson +
, http://dbpedia.org/resource/Fuzzy_system +
, http://dbpedia.org/resource/Kernel_principal_component_analysis +
, http://dbpedia.org/resource/Scikit-learn +
, http://dbpedia.org/resource/R_programming_language +
, http://dbpedia.org/resource/Kernel_density_estimation +
, http://dbpedia.org/resource/Julia_%28programming_language%29 +
, http://dbpedia.org/resource/David_Salsburg +
, http://dbpedia.org/resource/Python_%28programming_language%29 +
, http://dbpedia.org/resource/MATLAB +
, http://dbpedia.org/resource/Kernel_%28statistics%29 +
, http://dbpedia.org/resource/Statistics +
, http://dbpedia.org/resource/Local_regression +
, http://dbpedia.org/resource/File:Cps71_lc_mean.png +
, http://dbpedia.org/resource/Kernel_smoother +
, http://dbpedia.org/resource/R_%28programming_language%29 +
, http://dbpedia.org/resource/%C3%88lizbar_Nadaraya +
, http://dbpedia.org/resource/Non-parametric +
, http://dbpedia.org/resource/Microsoft_Excel +
, http://dbpedia.org/resource/Category:Articles_with_example_R_code +
, http://dbpedia.org/resource/Stata +
, http://dbpedia.org/resource/Random_variable +
, http://dbpedia.org/resource/Nonparametric_regression +
, http://dbpedia.org/resource/GNU_Octave +
, http://dbpedia.org/resource/Conditional_expectation +
, http://dbpedia.org/resource/Kernel_method +
|
http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Cite_book +
, http://dbpedia.org/resource/Template:Distinguish +
, http://dbpedia.org/resource/Template:Clear +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Reflist +
|
http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Articles_with_example_R_code +
, http://dbpedia.org/resource/Category:Nonparametric_regression +
|
http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Kernel_regression?oldid=1122125567&ns=0 +
|
http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/Cps71_lc_mean.png +
|
http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Kernel_regression +
|
owl:sameAs |
http://zh.dbpedia.org/resource/%E6%A0%B8%E5%9B%9E%E5%BD%92 +
, http://ru.dbpedia.org/resource/%D0%AF%D0%B4%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F +
, http://de.dbpedia.org/resource/Kernregression +
, http://rdf.freebase.com/ns/m.027j598 +
, https://global.dbpedia.org/id/hhPF +
, http://www.wikidata.org/entity/Q1739319 +
, http://dbpedia.org/resource/Kernel_regression +
|
rdfs:comment |
Unter Kernregression (englisch kernel regr … Unter Kernregression (englisch kernel regression, daher auch Kernel-Regression) versteht man eine Reihe nichtparametrischer statistischer Methoden, bei denen die Abhängigkeit einer zufälligen Größe von Ausgangsdaten mittels Kerndichteschätzung geschätzt wird. Die Art der Abhängigkeit, dargestellt durch die Regressionskurve, wird im Gegensatz zur linearen Regression nicht als linear festgelegt. Der Vorteil ist eine bessere Anpassung an die Daten im Falle nichtlinearer Zusammenhänge. Abhängig davon, ob die Ausgangsdaten selbst zufällig sind oder nicht, unterscheidet man zwischen Random-Design- und Fixed-Design-Ansätzen. Das grundlegende Verfahren wurde 1964 unabhängig voneinander von Geoffrey Watson und Elisbar Nadaraia (englische Transkription: Elizbar Nadaraya) vorgeschlagen.kription: Elizbar Nadaraya) vorgeschlagen.
, 核回归(又称局部加权线性回归)是统计学中用于估计随机变量的条件期望的非参数方法。目的是找到一对随机变量X和Y之间的非线性关系。 在任何非参数回归中 ,变量的条件期望 相对于变量可以写成: m为一个未知函数。
, Ядерная регрессия (англ. kernel regression … Ядерная регрессия (англ. kernel regression) — непараметрический статистический метод, позволяющий оценить условное математическое ожидание . Его смысл заключается в поиске нелинейного отношения между парой случайных величин X и Y. В любой условное матожидание величины относительно величины можно записать так: где — некая неизвестная функция.сать так: где — некая неизвестная функция.
, In statistics, kernel regression is a non- … In statistics, kernel regression is a non-parametric technique to estimate the conditional expectation of a random variable. The objective is to find a non-linear relation between a pair of random variables X and Y. In any nonparametric regression, the conditional expectation of a variable relative to a variable may be written: where is an unknown function. be written: where is an unknown function.
|
rdfs:label |
核回归
, Kernel regression
, Kernregression
, Ядерная регрессия
|