美食家Kitty
王众托，吴江宁，郭崇慧．信息与知识管理，电子工业出版社，2010．王延章，郭崇慧，叶鑫．管理决策方法，清华大学出版社，2010．郭崇慧，田凤占，靳晓明等译．数据挖掘教程(世界著名计算机教材精选)．清华大学出版社，2005．（M. H. Dunham. Data Mining: Introductory and Advanced Topics. Pearson Education, Inc., 2003.）唐焕文，唐一源，郭崇慧，陈克伟．神经信息学及应用，科学出版社，2007．郭崇慧等译．非线性规划．麻省理工学院开放课件，2007．郭崇慧译．学习的网络：分类与回归．麻省理工学院开放课件，2006.参编：管理运筹学：模型与方法（新坐标管理系列精品教材）．清华大学出版社，2008参编：数学模型引论(第三版)（国家级十五规划教材）．高等教育出版社，2005．（参加编写约4万字内容）参编：实用最优化方法（第三版）．大连理工大学出版社，2004．（参加编写约3万字内容） Zhen Zhang, Chonghui Guo. A Method for Multi-granularity Uncertain Linguistic Group Decision Making with Incomplete Weight Information. Knowledge-Based Systems, 2012, 26: Zhang, Chonghui Guo. Association Rules Evaluation by a Hybrid Multiple Criteria Decision Method. International Journal of Knowledge and Systems Science, 2011, 2(3): Li, Chonghui Guo, Piecewise cloud approximation for time series mining. Knowledge-Based Systems. 2011, 24(4): Guo, Fang Li. An improved algorithm for support vector clustering based on maximum entropy principle and kernel matrix. Expert Systems with Applications, 2011(7), 38: Chai, Chonghui Guo. Copula-Based Dependence Analysis of . Stock Index and Futures Time Series in Financial Crisis. International Business and Management, 2011, 3(1): , Chonghui Guo, Yunhui Zang. Cluster Number Estimation Based on Normalized Cut Criterion in Spectral Clustering. ICIC Express Letters, 2011, 5(1): Zhang, Zhenwei Shi, Chonghui source extraction based on generalized autocorrelations and non-Gaussianity. Neurocomputing, 2009, 72 (10-12): Zhang, Zhenwei Shi, Chonghui Guo, Enmin Feng. Semi-blind source extraction algorithm for fetal electrocardiogram based on generalized autocorrelations and reference signals, Journal of Computational and Applied Mathematics, 2009, 223(1): 409-420Yumin Yang, Chonghui Guo, Zunquan Xia. Independent component analysis for time-dependent processes using AR source model. Neural Processing Letters, 2008, 27(3): Yang, Chonghui Guo. Gaussian moments for noisy unifying model. Neurocomputing, 2008, 71(16-18): 3656-3659Hongjuan Zhang, Zhenwei Shi, Chonghui Guo and Enmin Feng. Blind Source Extraction for Noisy Mixtures by Combining Gaussian Moments and Generalized Autocorrelations. Neural Processing Letters, 2008, 28(3): Zhang, Chonghui Guo, Zhenwei Shi, Enmin Feng. A new constrained fixed-point algorithm for ordering independent components, Journal of Computational and Applied Mathematics. 2008, 220(1-2): 548-558Hongjuan Zhang, Zhenwei Shi, Chonghui Guo, Enmin Feng. A two-stage source extraction algorithm for temporally correlated signals based on ICA-R, Journal of Applied Mathematics & Informatics. 2008, 26(5-6): Sun, Liwei Zhang, Chonghui Guo. MI-based image registration using a new histogram estimation scheme. International Journal of Pure and Applied Mathematics, 2007, 37(1): Sun, Liwei Zhang, Chonghui Guo. Medical image registration by minimizing divergence measure based on Tsallis entropy. International Journal of Biomedical Sciences, 2007, 2(2), Qin, Huanwen Tang, Chonghui Guo. Channel coordination and volume discounts with price-sensitive demand. International Journal of Production Economics, 2007, 105(1): 43-53Bing Wang, Huanwen Tang, Zhilong Xiu，Chonghui Guo. Optimizing synchronizability of scal-free networks in geographical space, Chinese Physics Letters, 2006, 23(11): 3123-3126Bing Wang, Huanwen Tang, Chonghui Guo, Zhilong Xiu and Tao Zhou. Optimization of network structure to random failure. Physica A: Statistical Mechanics and its Applications, 2006, 368(2): 607-614Bing Wang, Huanwen Tang, Chonghui Guo and Zhilong Xiu. Entropy optimization of scale-free networks’ robustness to random failures. Physica A: Statistical Mechanics and its Applications, 2006, 363(2): 591-596Zhongzhi Zhang, Lili Rong and Chonghui Guo. A deterministic small-world network created by edge iterations. Physica A: Statistical Mechanics and its Applications, 2006, 363(2): 567-572Chonghui Guo, Yuchang Lu, Huanwen Tang. A Modified Evolutionary Algorithm for Global Optimization. Journal of Systems Engineering and Electronics. 2004, 15(1), 1-6Chonghui Guo, Huanwen Tang．Asymptotic stability and balanced growth of the singular dynamic input-output system．Journal of Systems Science and Information, 2004, 2(1), Guo, Huanwen Tang．Optimization models and algorithms of inverse problem for input-output analysis．OR Transaction，2002，6（2），1-8Chonghui Guo, Huanwen Tang．Stability analysis of the dynamic input-output system．Appl. Math. J. Chinese Univ. Ser. B，2002，17（4），473-478Chonghui Guo, Huanwen Tang. Global convergence properties of evolution strategy．Chinese J. Num. Math. & Appl.，2001，23（2），78-84Chonghui Guo, Huanwen Tang, Liwei Zhang．Global convergence for a class of conjugate gradient methods．OR Transaction，1999，3（2），46-49 李海林，郭崇慧，邱望仁．正态云模型相似度计算方法．电子学报, 2011, 39 (11): 2561-2567.郭崇慧，苏木亚．基于独立成分分析的时间序列多路归一化割谱聚类方法．系统工程理论与实践，2011，31(10): 1921- 1931．郭崇慧，张艳昌．基于率失真理论的模糊聚类模型与算法．情报学报, 2011, 30(8): 812-818.郭崇慧，庞军．一种求解单一簇的模糊双聚类算法．系统工程学报, 2011, 26(6): 857-866.柴尚蕾，郭崇慧，张震．国际股指波动性的非对称效应异方差模型及聚类分析．系统管理学报，2011，20（2）：137-142．柴尚蕾，郭崇慧，苏木亚．基于ICA模型的国际股指期货及股票市场对我国股市波动溢出研究．中国管理科学，2011，19（3）：11-18．郭崇慧，张震．基于组合评价方法的关联规则兴趣度评价．情报学报，2011, 30(4), 353-360郭崇慧，李芳．基于核矩阵的改进支持向量聚类算法．情报学报，2010, 29(3), 422-427郭崇慧，张娜．基于共邻矩阵的复杂网络社区结构分析方法．系统工程理论与与实践，2010, 30 (6), 1077-1084郭崇慧，谷超，江贺．求解旅行商问题的一种改进粒子群算法．运筹与管理，2010, 19(5)：20-26.国涓，郭崇慧，凌煜．中国工业部门能源反弹效应研究．数量经济技术经济研究，2010, 27(11)： 114-126国涓，凌煜，郭崇慧．中国工业部门能源消费反弹效应的估算——基于技术进步视角的实证研究．资源科学，2010, 32(10)：1839-1845.国涓，项吉宁，郭崇慧．空间影响与环境库兹涅茨曲线:基于空间经济计量方法的实证分析．数理统计与管理，2009, 28(4), 678-684郭崇慧，张亮．基于PCA的复杂网络社区结构分析方法．运筹与管理，2008, 17(6), 144-149郭崇慧，贾宏峰，张娜．基于ICA的时间序列聚类方法及其在股票数据分析中的应用．运筹与管理，2008, 17(5), 120-124郭崇慧，覃华勤．一种改进的禁忌搜索算法及其在选址问题中的应用．运筹与管理，2008, 17(1), 18-23覃毅延，郭崇慧. 在弹性需求和物品易变质条件下数量折扣定价模型. 管理学报, 2007, 4(2), 163-168郭崇慧，岳晓辉．一种改进的禁忌搜索算法及其在连续全局优化中的应用．运筹与管理，2007, 16(4), 6-11鲁明羽, 沈抖, 郭崇慧, 陆玉昌. 面向网页分类的网页摘要方法. 电子学报, 2006, 34(8): 1475-1480覃毅延，唐焕文，郭崇慧. 需求随价格变化的具有折扣的易变质物品的库存模型.运筹与管理，2006，15(4): 22-26.李刚,郭崇慧, 林鸿飞, 杨志豪,唐焕文.基于词典法和机器学习法相结合的蛋白质名识别,计算机与应用化学, 2006, 23(6): 395-398.郭崇慧，孙建涛，陆玉昌．广义支持向量机优化问题的极大熵方法，系统工程理论与实践，2005，25(6),25-32郭崇慧，陆玉昌．预测型数据挖掘中的优化方法，工程数学学报，2005，22(1),25-29.岳晓辉，唐焕文，郭崇慧．一种禁忌搜索算法在二维HP非格模型中的应用，计算机与应用化学，2005，22(12): 1101-1105.郭崇慧，唐焕文．动态投入产出模型的解及灵敏度分析．大连理工大学学报，2004，44（1），151－153．孙建涛，郭崇慧，陆玉昌，石纯一．多项式核支持向量机文本分类器泛化性能研究．计算机研究与发展，2004，41(8)，1321-1326郭崇慧，唐焕文．修订直接消耗系数的熵优化模型与算法．系统工程学报，2003，18（5），431-437．郭崇慧，唐焕文．干线公路网等级结构优化模型与算法．运筹学学报，2002，6（4），69-74郭崇慧，唐焕文．一种改进的进化规划算法及其收敛性．高校计算数学学报，2002，24（1），51-56郭崇慧，唐焕文．演化策略的全局收敛性．计算数学，2001，23（1），105-110 (MR:1824949)郭崇慧，唐焕文．宏观经济智能预测模型体系研究．运筹与管理，2001，10（4），1-8郭崇慧，唐焕文．论宏观经济智能预测系统中的综合集成技术应用．中国软科学，2001，12，111-114唐焕文，郭崇慧，张立卫．一种混合的HS—FR共轭梯度算法．大连理工大学学报，1999，39（2），132-136李宏，唐焕文，郭崇慧．一类进化策略的收敛性分析．运筹学学报，1999，3（4），79-83 Hailin Li, Chonghui Guo, Libin Yang. A Method of Similarity Measure and Visualization for Long Time Series Using Binary Patterns. PAKDD Workshops, 2011: Guo, Yanchang Zhang. Time Series Similarity Measure Based on the Function of Degree of Disagreement. KSEM 2011: Guo, Hailin Li, Donghua Pan. An improved piecewise aggregate approximation based on statistical features for time series mining. KSEM2010, LNAI 6291, pp. 234-244, Chai, Chonghui co-integrating relationship between stock index and futures prices. Proceedings - 2009 International Conference on New Trends in Information and Service Science, NISS 2009, pp. 1389-1392, , Chonghui Guo. A note on spectral clustering method based on normalized cut criterion. Proceedings of the 2009 Chinese Conference on Pattern Recognition, CCPR 2009, and the 1st CJK Joint Workshop on Pattern Recognition, CJKPR, pp. 799-803, Zhang, Chonghui Guo, Zhenwei Shi, Enmin Feng. Nonlinear Innovation to Noisy Blind Source Separation Based on Gaussian Moments. ICIC2008, LNAI 5227, pp. 709-716, guo, Hong Li. Multilevel Thresholding Method for Image Segmentation Based on an Adaptive Particle Swarm Optimization Algorithm, AI 2007, LNAI 4830, pp. 654–658, 2007Yumin Yang, Chonghui Guo, Zunquan Xia. An EM Algorithm for Independent Component Analysis Using an AR-GGD Source Model, AI 2007, LNAI 4830, pp. 816–820, 2007Shaoyan Sun, Chonghui Guo. Medical image registration by maximizing a hybrid normalized mutual information. Proceedings of the 1st International Conference on Bioinformatics and Biomedical Engineering, Pages 964-967, IEEE Press, 2007Shaoyan Sun, Chonghui Guo. Image registration by minimizing Tsallis divergence measure. The 4th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD'07), Pages 712-715, IEEE Guo, Ping Zhu, Huanwen Tang, Mingyu Lu. An Improved Simulated Annealing Algorithm and its Application to Protein Structure Prediction. Proceedings of the 6th World Congress on Intelligent Control and Automation, Pages9381-9385,IEEE Press, Guo, Mingyu Lu, Jiantao Sun, Yuchang Lu. A new algorithm for computing the minimal enclosing sphere in feature space. Lecture Notes in Artificial Intelligence, 3614(2): 196-204, Part 2, Lu, Chonghui Guo, Jiantao Sun, Yuchang Lu. A SVM Method for Web Page Categorization Based on Weight Adjustment and Boosting Mechanism. Lecture Notes in Artificial Intelligence, 3614: 801-810, Part 2, Guo, Huanwen Tang, Yuchang Lu. Study on macroeconomic modeling for forecasting and development planning. In: Jifa Gu et al, editors, Knowledge and Systems Science: Towards Meta-synthetic Support for Decision Making. Pages95-99, Global-Link Publisher, Guo, Huanwen Tang, Yuchang Lu. Study on Input-Output Techniques for Macroeconomic Systems Analysis. The 3rd International Workshop on Meta-Synthesis and Complex System. November 29-December 1, 2003, Guangzhou, Guo, Huanwen Tang. A modified evolutionary algorithm with chaos search for n-dimensional global optimization. In: Ya-xiang Yuan, editor, Numerical Linear Algebra and Optimization. Pages172-179, Science Press, Tian, Chonghui Guo, Yuchang Lu. Macroeconomic Systems Modeling with DBNs. Pages 60-62 in M. Makowski, editor. The 17th JISR-IIASA Workshop on Methodologies and Tools for Complex Systems Modeling and Integrated Policy Assessment. 8-10, September, 2003, IIASA, Laxenburg, Guo, Huanwen Tang．Macroeconomic forecasting methods and meta-synthesis．In: Jifa Gu, editor, Systems Engineering, Systems Science and Complexity Research．Pages165-171, Research Information Ltd., United Kingdom, 2000. 郭崇慧.独立成分分析中的优化方法及应用. 2008全国数学规划学术会议. 8月6-9日，辽宁大连。郭崇慧.支持向量机优化问题的熵优化方法，2006 年全国数学规划会议，4月22－4月25日，广西南宁。王冰,唐焕文,郭崇慧.熵优化无尺度网络的容错能力.第二届全国复杂动态网络学术论坛论文集, 455-459. 2005年10月16-19日,中国高等科学技术中心,北京.刘子阳，郭崇慧. 应用支持向量回归方法预测胎儿体重，大连理工大学生物医学工程学术论文集，352-358，大连理工大学出版社，2005年.郭崇慧，唐焕文，陆玉昌．基于人工神经网络的宏观经济预测系统．第十二届中国神经网络学术会议论文集，人民邮电出版社，2002，630-635唐焕文，郭崇慧等．几种进化算法的比较及计算效率分析．2001年全国数学规划与运筹学研讨会论文集．贵州大学学报，2001，18(增刊)，1-7唐焕文，郭崇慧，张艳．我国宏观经济预测的简要综述．中国运筹学会第六届学术交流会论文集，Global-Link Publishing Company, Hong Kong，2000，100-106.
sunyang625
支持向量机 是一类按监督学习方式对数据进行 二元分类 的广义线性分类器，它的目的是寻找一个 超平面 来对样本进行分割，分割的原则是 间隔最大化 ，最终转化为一个 凸二次规划 问题来求解。 优点： 1.有严格的数学理论支持，可解释性强 2.能找出对任务至关重要的关键样本（即支持向量） 3.采用核技巧后，可以处理非线性分类/回归任务 4.最终决策函数只由少数的支持向量所确定，计算的复杂度取决于支持向量的数目，而不是样本空间的维数，在某种意义上避免了“维数灾难” 缺点： 1.训练时间长 2.当采用核技巧时，如果需要存储核矩阵，空间复杂度大 3.模型预测时，支持向量数目较大，预测计算复杂度高 本文重点对基于硬间隔的线性可分支持向量机、基于核函数的非线性支持向量机、基于软间隔的线性支持向量机这三类进行介绍。 给定训练样本集D={（ ， ）,（ ， ）,...,（ , ）}， {-1，+1}，分类学习基于训练集D在样本空间中找到一个划分超平面将不同类别的样本分开，但能将训练样本分开的划分超平面有很多，而我们要努力找到位于两类训练样本“ 正中间 ”的划分超平面（如图中的粗线），它对训练样本局部扰动的“容忍”性最好，即它产生的分类效果是 最鲁棒 的，对未见示例的 泛化能力最强 。 在样本空间中，划分超平面可通过线性方程来描述： 样本空间任意点x到超平面（w,b）的距离为 假设超平面（w,b）能将训练样本正确分类，则 约束 条件为： 使式子等号成立的训练样本点被称为“ 支持向量 ”（如图带圈圈的标记）。 两个异类支持向量到超平面的距离之和（ 间隔 ）为： “ 最大间隔 ”的划分超平面条件：满足式（）中对参数w和b，使得 最大，即： 可改写为（支持向量机 SVM的基本型 ）： 对 凸二次规划 问题使用 拉格朗日乘子法 可得到对偶问题，具体是对每条约束 添加拉格朗日乘子 0, 从而得出拉格朗日函数后，令对w和b的偏导为零，将得出的式子带入拉格朗日函数后可得到原式对应的 对偶问题 ，用 SMO算法 对对偶问题求解后，即可得到最大间隔划分超平面所对应的模型（上述过程需满足 KKT条件 ）。 在线性可分的假设下，希望得到的最大间隔划分超平面所对应的 模型 为： 由KKT条件，对任意训练样本（ ， )，总有 = 0 或 = 0 。 若 = 0，则该样本将不会在式（）的求和中出现，也就不会对模型有任何影响； 若 > 0 ,则必有 = 0，所对应的样本点位于最大间隔边界上，是一个支持向量。 这显示出支持向量机的一个重要性质： 训练完成后，大部分的训练样本都不需保留，最终模型仅与支持向量有关。 在现实任务中，原始样本空间内也许并不存在一个能正确划分为两类样本的超平面。这时，可 将样本从原始空间映射到一个更高维的特征空间 ，使得样本 在这个特征空间内线性可分 。 那么，在特征空间中划分超平面所对应的 模型 表示为： 类似式（），有原始 目标函数 ： 用拉格朗日乘子法得到其对偶问题为： 为避开计算困难，可以通过设想一个 核函数 ： 核函数的作用 ：核函数可以用 原始样本空间上的点内积 的方式，经过运算转化为高维空间点内积，而不必完全由高维空间上的点进行内积计算，这样达到了降低运算复杂度的作用。即从先升维度再算内积变成了 先算内积再升维度 。 在低纬空间（原始样本空间）中对于内积的运算则被定义为“ 核函数 ”， 在原始样本空间经过核函数计算的内积会等于高维空间的内积。 由此，原始目标函数经过改写求解出特征空间中划分超平面所对应的模型： 几种常用的核函数： 核函数的引入一方面减少了计算量，另一方面减少了存储数据的内存使用量。在现实任务中往往难确定合适的核函数使得训练样本在特征空间中线性可分，即使恰好找到了也很难断定这个 貌似线性可分 的结果不是由于过拟合所造成的。为缓解这一问题是 允许支持向量机在一些样本上出错 。 软间隔 ：数据样本不是实际的线性可分，而是 近似线性可分 ，即 允许某些样本不满足约束 ： 由此，原始目标函数中增加了一个 损失函数 可写为： 三种常用的替代损失函数： 若采用hinge损失，则目标函数变成： 为度量这个间隔软到何种程度，引入“松弛变量” （即用以表示该样本不满足约束的程度），将上式改写得到“ 软间隔支持向量机 ”： 通过拉格朗日乘子法得到目标函数的拉格朗日函数并得到其对偶问题过程如下： 上述过程需满足 KKT条件 要求： 对于任意训练样本（ , ），总有 或 . 若 ，则样本不会对模型有任何影响； 若 , 则必有 , 即该样本是支持向量： 由式（）可知, 若 ，则 ，进而有 ，即该样本恰在最大间隔边界上， 若 ，则 ，此时若 ，则该样本落在最大间隔内部， 若 ，则该样本被错误分类。 由此可看出： 软间隔支持向量机的最终模型仅与支持向量有关。 把目标函数中的0/1损失函数换成别的替代损失函数可得到其他学习模型，这些模型具有一个 共性 ：优化目标中的第一项用来描述划分超平面的间隔大小（ 结构风险 ），另一项用来表述训练集上的误差（ 经验风险 ），所以加了损失函数的线性支持向量机优化目标的 一般形式 为： 正则化 ：对不希望得到的结果施以惩罚，从而使得优化过程趋向于希望目标。 上式是“正则化”问题， 称为正则化项，C称为正则化常数， 范数是常用的正则化项。SVR与SVM的区别： SVM是要使到超平面 最近 的样本点的“距离” 最大 ； SVR则是要使到超平面 最远 的样本点的“距离” 最小 。 传统回归模型与支持向量回归计算损失的区别 ： 传统回归模型直接基于模型输出 与真实输出 之间的差别来计算损失，当且仅当 与 完全相同时，损失才为零。 支持向量回归假设 能容忍 与 之间最多有 的偏差 ，仅当 与 之间的差别绝对值 大于 时 才计算损失，这相当于以 为中心，构建了一个 宽度为 的间隔带 ，若训练样本落入此间隔带，则以为是被预测正确的。 于是， SVR问题的目标函数 为： 加入 松弛变量 和 ，改写为： 再用拉格朗日乘子法得到 SVR的对偶问题 ： 求解后得到 SVR模型 ： 能使式（）中的 的样本即为 SVR的支持向量 ，它们 必落在间隔带之外 。 上述过程需满足 KKT条件 ： 若考虑 特征映射形 式， SVR模型 为：核函数定理 ：令 为输入空间， 是定义在 上的 对称函数 ，则 是核函数当且仅当对于任意数据D={ }，“ 核矩阵 ”总是 半正定 的： 表示定理 ：令H为核函数 对应的再生核希尔伯特空间， 表示H空间中关于h的范数，对于任意单调递增函数 和任意非负损失函数 ，优化问题 表示定理对损失函数 没有限制 ，对正则化项 仅要求 单调递增 ，即对于一般的损失函数和正则化项，优化问题的最优解 都可以表示为核函数 的线性组合。 引入核函数能将线性学习器扩展为非线性学习器。这里我们使用sklearn的 乳腺癌数据 对以下5种模型的准确度进行预测，重点放在SVC上。 SVC主要调节的参数有： C （正则化参数）、 kernel （核函数）、 degree （多项式维度）、 gamma （核函数参数）、 coef0 （核函数的常数项）。 第一次我用SVC的默认参数，此时的核函数是 高斯核函数（kernel=‘rbf’） ，结果测试集的准确度为，太低了！说明存在严重的 过拟合 情况。 第二次我选择 改变核函数 用维度为2的 多项式核函数（kernel=‘poly’degree=2） 试试，测试集准确度变为，感觉比高斯核函数好多了！ 线性核函数（kernel=‘linear’） 也来试试，多项式核函数当维度为1时 （kernel=‘poly’，degree=1） 退化为线性核。咦，测试集的准确度提升到了，但是测试集和训练集的准确度太过于接近，可能会有 欠拟合 的情况。 sigmoid核函数（kernel=‘sigmoid’） 也来试试，真的是太太太低了吧，算了果断抛弃。 第三次，对于常用的 高斯核函数 ，就这么被PK下去了感觉不太好，我决定试试 改变正则化参数 C 看看能不能挽救它，默认下的是C=. 乳腺癌数据集的特征具有完全不同的数量级，这对SVC模型影响比较大，所以先进行 归一化处理 ，对每 个特征进行缩放 ，使其缩放到 0 和 1 之间 。归一化处理后，默认参数下的SVC模型测试集的准确率已经高达了。 改变C值 试试，当C值为1000时，测试集准确度又提高了，达到了，说明 增大C值可以优化模型。 第一次我先用了决策树里面默认的参数，其中 max_depth=None ，即树的深度是无穷的，此时出现了训练集的准确度为100%，说明出现了 过拟合 情况。 对于上述过拟合情况我采取的是 限制树的深度 。限制树的深度可以 减少过拟合 。这会 降低训练集的精度，但可以提高测试集的精度。 从 max_depth=3 开始，发现训练集的准确率下降了，但是测试集的准确度从93%提高到了，明显泛化性能提高了。 再用 max_depth=4 试试，测试集准确度为，泛化性能又提高了。可！
薇儿的悲伤
统计学作为一门综合性很强的学科，其运用范围非常广泛，不少学生在写作统计学论文时，都困在了选题这一步，其实就统计学而言，可供作为论文题目的热词有很多，如：企业管理、实证研究、统计估计、统计分析、计算机应用、支持向量机、数学模型、GIS、多元分析、统计报表等等，学术堂精选了20个优质“统计学毕业论文题目”，供大家参考。1、药品检验中常用的统计学方法及其应用2、应用统计学在现实生活中的应用分析3、浅谈统计学在金融领域的应用4、统计学在实验室质量控制中的应用5、论应用统计学PDTR教学模式的必要性和可行性6、水产生物统计学课程中学生统计思维能力与应用意识的培养研究7、地质统计学在某铜矿床资源量估算中的应用熊8、基于地质统计学的采空区储量估算9、密井网条件下地质统计学岩性反演在河道砂体预测中的应用10、地质统计学在稀土矿储量计算研究应用11、地质统计学在矿床品位估算中的应用研究12、地质统计学在细脉型矿体模拟中的应用:以新疆梅岭-红石铜矿为例13、地质统计学地震反演技术在溱潼南华地区薄砂层的预测应用14、朝阳沟油田扶余油层组深度域地质统计学反演15、基于DMine软件下地质统计学在矿山储量计算中的应用
哥哥，您这是逮着数据就往里面塞啊！而且你怎么没有给出因变量？我猜测是销售量？还是点击量？暂且不论你自变量的选择不正确，你的R Square值太小，最起码应该达到
密果儿小YO 4人参与回答 2023-12-12 回归分析研究的主要问题是：（1）确定Y与X间的定量关系表达式，这种表达式称为回归方程；（2）对求得的回归方程的可信度进行检验；（3）判断自变量X对因变量Y有无影
么么哒哒啦 3人参与回答 2023-12-09 1. 对发展我国企业债券市场的思考 2. 对开方式基金流动性风险问题的思考 3. 对证券市场风险防范问题的思考 4. 关于商业银行风险管理问题研究 5.
24678happy 3人参与回答 2023-12-09 会。毕业论文回归结果太好你不需要关心专家是否会质疑数据，你只要想想自己的毕业论文数据是否经得起质疑。
虎虎生威2015 3人参与回答 2023-12-11 根据回归出来的模型和参数，表达应变量y和自变量x的关系，他们的实际意义。比如截距α，x前面的系数β的意义：说明y和x是什么关系，单位x的变化会引起y怎样的变化等
母婴家居学院 3人参与回答 2023-12-06 