基于贝叶斯学习的惩罚因子的选择

文章基于贝叶斯学习,将正则化方法从贝叶斯分析的角度展开,在响应变量服从正态分布、回归系数服从指数型先验分布族的条件下,用贝叶斯准则给出了惩罚因子的取值与响应变量、系数的方差之间的关系,并将这一结果应用到岭回归和lasso回归中惩罚因子的选择。实例检验结果表明,当响应变量和系数服从正态分布,惩罚因子的值取二者方差商的方法比岭迹法和广义交叉验证法(GCV)拟合效果更优。

居民消费价格指数基于ARIMA模型的构建

居民消费价格指数是我国物价指数体系中极其重要的一个指数,主要反映消费者支付商品和劳务的价格变化情况,也是一种度量通货膨胀水平的工具,以百分比变化为表达形式。我国改革开放以来,社会经济的各方面发生巨大的变换,居民消费价格指数的变动也显示出自身的特点,本文主要是应用非平稳时间序列和数学统计软件Eviews对历年的居民消费价格指数进行相关分析、处理并建立模型,这有利于我们认识它与社会经济发展相联系的变动规律,文章最后根据所建立的模型举例进行了预测。

高斯图模型及其在股票价格上的应用

随着科技的进步,高维数据的产生、收集变得越来越容易;传统的建模方法对变量间的结构处理较为简单,这对高维数据的分析有很大的局限性。高斯图模型可以很好的描述这种结构关系,它将变量间的结构信息通过精度矩阵(协方差矩阵的逆矩阵)中的元素来表示。本文采用CLIME方法估计精度矩阵,并且详细给出CLIME估计下的精度矩阵与其估计量在最大范数下的收敛速度的证明过程,最后将得到的精度矩阵估计量应用于股票价格上,使得股票价格之间的结构关系直观明了。