作者查詢 / celestialgod
作者 celestialgod 在 PTT 全部看板的留言(推文), 共6348則
限定看板:全部
看板排序:
全部R_Language3057MATLAB995Statistics896PC_Shopping309Tech_Job186Soft_Job140Gossiping97Python75C_and_CPP45Boy-Girl24Aries23CareerPlan23BoardGame22DIABLO22GRE19DataScience18TOEIC18joke17hardware16NARUTO16ONE_PIECE16studyabroad15Hunter13Math13Tainan11Wanted11C_Chat10StupidClown10Lottery9PathofExile9SMSlife9BLEACH8China-Drama8CodeJob8LaTeX8Salary8TOEFL_iBT8Lifeismoney7LoL7Oversea_Job7Beauty6Economics6Golden-Award6HardwareSale6LCD6Hate5HomeTeach5JLPT5NBA5NSwitch5Isayama4movie4nb-shopping4WomenTalk4EAseries3home-sale3MacShop3PhD3trans_math3ArakawaCow2CFAiafeFSA2firsttime2Instant_Mess2Japandrama2NewAge2Notebook2sinica2Sub_CS2WarCraft2ask1Baseball1BigShiLin1CarShop1Chihlee1CrossStrait1friends1Hsinchu1java1kekkai1KUAS1Militarylife1MuscleBeach1Nangang1NCKU_ECO971nobunyaga1Office1Oni_soul1OverClocking1pal1Penpal1PingTung1PokeMon1Programming1PttLifeLaw1RFonline1specialman1SYSOP1TY_Research1VR1<< 收起看板(99)
1F→: fmincon 自己寫一下應該可以吧03/10 01:10
6F→: 測完了 你說對了03/10 01:21
3F→: andrew板主有寫過一篇 請參考#1LV4sfXT03/09 20:22
1F→: https://goo.gl/eGXl3e03/06 08:13
1F→: group_by + kmeans可以得到結果 再join回去就好03/05 22:41
6F→: binomial得到的抽十次成功的次數,沒有每次成功失敗03/04 13:19
7F推: Bernoulli做十次獨立試驗,每次都知道實驗結果03/04 13:19
21F→: 解係數就MLE去解而已,找本時序書應該都有推吧03/04 00:14
22F→: https://goo.gl/X8Frxa03/04 00:14
23F→: 其中|ψ|<1是保證Yt是stationary03/04 00:19
24F→: OTL?? 可以給我全名嗎03/04 00:20
28F→: 為什麼樓上那麼斷定 機器學習不用做 時間序列= =03/04 00:27
31F→: ARIMA的估計最後還是回到OLS,OLS也是ML的方法阿= =03/04 00:29
32F→: 廣義上來講,ARIMA也在ML的範圍...03/04 00:29
34F→: 基本上ARIMA也是從資料去learn規律~~03/04 00:31
35F→: 你把機器學習這個名詞定義的太狹隘了QQ03/04 00:31
36F→: ML也不是比較沒辦法處理時間序列...03/04 00:32
38F→: 只是有時候忽略掉時間因素去做learning,不過還是要03/04 00:33
39F→: 看使用的模型03/04 00:33
42F→: 平行化?? 我不太知道你在講什麼Orz03/04 00:35
44F→: 跑題了,原PO基本上手算係數是有點困難的...03/04 00:36
45F→: 我自己統計系所修的時間序列分析,都沒有手算過XD03/04 00:36
47F→: 那跟時間序列有什麼關係= =?03/04 00:37
48F→: ARIMA就是要把時間因素考慮進去阿03/04 00:37
50F→: AR不能幫你判斷lag length Orz03/04 00:38
51F→: 基本上ARIMA的 p,d,q通常都用ACF跟PACF去看03/04 00:39
52F→: 然後搭配一些適當的檢定做為輔助03/04 00:40
53F→: 最差的做法就是fit多個ARIMA,去檢驗fitness03/04 00:40
57F→: 原PO,基本上手算是不太實際的03/04 00:42
60F→: 能夠理解PACF跟係數之間的關係就OK了03/04 00:44
61F→: 真要手算可以試試看自己用三筆資料去疊帶看看AR(1)03/04 00:46
62F→: AR(1)要解的參數就三個 mean, noise標準差跟03/04 00:47
63F→: yt與y_{t-1}的係數03/04 00:47
1F→: 程式碼勒= =03/01 21:19
3F→: 是要篩選還是只是要view?03/01 21:21
4F→: 篩選就接%>% filter(dense_rank(ratios) %in% 1:2))03/01 21:21
5F→: 多一個冒號03/01 21:21
7F→: 更正是%>% filter(dense_rank(desc(ratio))%in%1:2)03/01 21:23
1F→: date跟POSIXlt比大小??03/01 21:20
2F→: 注意一下<=.Date跟<=.POSIXlt的行為不同03/01 21:20
3F→: 最好轉成同樣型態再比較03/01 21:20
7F→: 找本統計學念一下 不然呢02/28 21:51