新建项目
2022-03-25 14:09:40
ARIMA模型的全称叫做自回归移动平均模型，是统计模型中最常见的一种用来进行时间序列预测的模型。
逐步回归模型是在线性回归的基础上，自动剔除不具有显著性的自变量X。当自变量较多时，其会从所有解释变量中选择影响最为显著的变量建立模型，再将剩余的变量逐个引入模型；每引入一个变量进行一次显著性检验，当原引入的变量由于后面的变量的引入变得不再显著时，将其剔除；反复进行逐个引入--剔除--引入这个过程，直到没有显著因子可引入，也没有需要剔除的变量为止。逐步回归是对多个变量进行分析，建立得到最优回归模型的有效方法。例如：水泥凝固时候放出的热量Y，与水泥中4种化学成分（X1，X2,X3,X4）的占比有关，建立Y与因子的最优方程。
聚类分析是一种基于中心的聚类算法（K均值聚类），通过迭代，将样本分到K个类中，使得每个样本与其所属类的中心或均值的距离之和最小。与分层聚类等按照字段进行聚类的算法不同的是，快速聚类分析是按照样本进行聚类
正态性检验用于检验数据是否满足正态分布，一些算法需要数据满足正态分布（如单样本t检验，独立样本t检验等）
线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，在线性回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
鲁棒回归，又称稳健回归（RANSAC），用于当线性回归（OLS）遇到样本点存在异常点的时候，用于代替最小二乘法的一个算法。同时稳健回归还可以用于异常点检测，或者是找出那些对模型影响最大的样本点
