2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代的到來,各個(gè)領(lǐng)域的數(shù)據(jù)量急劇增加。數(shù)據(jù)分析和數(shù)據(jù)挖掘面臨著新的機(jī)遇和挑戰(zhàn)。傳統(tǒng)的向量自回歸模型對(duì)多元時(shí)間序列的分析已經(jīng)不再適用。如何將傳統(tǒng)模型推廣到高維時(shí)間序列的應(yīng)用上是在當(dāng)下大數(shù)據(jù)時(shí)代亟需解決的課題。采取一定的技術(shù)實(shí)現(xiàn)高維數(shù)據(jù)的降維是一個(gè)極為有效的途徑。本文通過在傳統(tǒng)VAR模型的基礎(chǔ)上添加不同的罰函數(shù)達(dá)到降維的目的,從而將傳統(tǒng)的多元時(shí)間序列分析的方法成功推廣到高維數(shù)據(jù)中。
  首先,通過VAR模型與Lasso

2、罰函數(shù)的結(jié)合,介紹了Lasso-VAR模型,并采用坐標(biāo)下降法完成了對(duì)模型參數(shù)的求解。通過在空氣質(zhì)量預(yù)測(cè)的幾組不同維數(shù)的時(shí)間序列的實(shí)驗(yàn)中,證明了該模型可以有效地應(yīng)用在高維時(shí)間序列中,克服了傳統(tǒng)VAR模型應(yīng)用的局限性。
  其次,又在Lasso方法的基礎(chǔ)上,增加了單調(diào)非遞增的約束條件,將矢量方程轉(zhuǎn)換為標(biāo)量方程,介紹了序Lasso回歸模型,并給出了鄰近梯度法求解該模型的具體過程。本文將其應(yīng)用到多元時(shí)間序列的定階及預(yù)測(cè)問題上,結(jié)果證明序L

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論