我们知道，混合线性模型是一般线性模型的扩展，而广义线性模型在混合线性模型的基础上又做了进一步扩展，使得线性模型的使用范围更加广阔。每一次的扩展，实际上都是模型适用范围的扩展，一般线性模型要求观测值之间相互独立、残差(因变量)服从正态分布、残差(因变量)方差齐性，而混合线性模型取消了观测值之间相互独立
分类：
其他好文 时间：
2016-01-31 17:17:30
阅读次数：
616
主要内容：gOMP的算法流程gOMP的MATLAB实现一维信号的实验与结果稀疏度K与重构成功概率关系的实验与结果一、gOMP的算法流程广义正交匹配追踪(Generalized OMP, gOMP)算法可以看作为OMP算法的一种推广。OMP每次只选择与残差相关最大的一个，而gOMP则是简单地选择最大的...
分类：
编程语言 时间：
2016-01-18 10:36:00
阅读次数：
197
预测编码之帧间预测（Inter-Picture Prediction）
帧间预测是指利用视频时间域相关性，使用临近已编码图像像素预测当前图像的像素，以达到有效去除视频时域冗余的目的。由于视频序列通常包括较强的时域相关性，因此预测残差值接近于0，将残差信号作为后续模块的输入进行变换、量化、扫描及熵编码，可实现对视频信号的高效压缩。
一、帧间预测编码原理
...
分类：
编程语言 时间：
2015-11-26 15:25:39
阅读次数：
555
预测编码之帧内预测（Intra-Picture Prediction）
预测编码（Prediction Coding）是视频编码的核心技术之一，指利用已编码的一个或几个样本值，根据某种模型或方法，对当前的样本值进行预测，并对样本真实值和预测值之间的差值进行编码。视频编码器对预测后的残差而不是原始像素值进行变换、量化、熵编码，由此大幅度提高编码效率。
...
分类：
编程语言 时间：
2015-11-24 21:17:00
阅读次数：
463
多元线性回归是最简单的机器学习模型，通过给定的训练数据集，拟合出一个线性模型，进而对新数据做出预测。 对应的模型如下： n: 特征数量。 一般选取残差平方和最小化作为损失函数，对应为： M:训练样本数量。 通过最小化代价损失函数，来求得 值，一般优化的方法有两种，第一是梯度下降算法（Gradient...
分类：
编程语言 时间：
2015-10-07 22:52:15
阅读次数：
1759
线性回归中提到最小二乘损失函数及其相关知识。对于这一部分知识不清楚的同学可以参考上一篇文章《线性回归、梯度下降》。本篇文章主要讲解使用最小二乘法法构建损失函数和最小化损失函数的方法。
最小二乘法构建损失函数
最小二乘法也一种优化方法，用于求得目标函数的最优值。简单的说就是：让我们的预测值与真实值总的拟合误差（即总残差）达到最小。
在线性回归中使用最小二乘...
分类：
其他好文 时间：
2015-08-17 08:49:42
阅读次数：
690
以数据集robot为例1.打开数据data(robot)2.绘制标准残差图> m1=arima(x = robot, order = c(1, 0, 0))> m2=arima(x = robot, order = c(0, 1, 1))> plot(rstandard(m1),type="o")>...
分类：
编程语言 时间：
2015-08-15 11:35:30
阅读次数：
268
1、优化模型的两种策略：1）基于残差的方法 残差其实就是真实值和预测值之间的差值，在学习的过程中，首先学习一颗回归树，然后将“真实值-预测值”得到残差，再把残差作为一个学习目标，学习下一棵回归树，依次类推，直到残差小于某个接近0的阀值或回归树数目达到某一阀值。其核心思想是每轮通过拟合残差来降低损失....
分类：
编程语言 时间：
2015-08-01 17:07:36
阅读次数：
4624
//dic: 字典矩阵；//signal :待重构信号（一次只能重构一个信号，即一个向量）//min_residual: 最小残差//sparsity:稀疏度//coe:重构系数//atom_index:字典原子选择序号//返回最后的残差float OMP( Mat& dic,Mat& sig...
分类：
编程语言 时间：
2015-07-25 22:54:03
阅读次数：
312
Intercept————截距formula————公式 Residualstandarderror残差标准差:1.319on10degreesoffreedom 自由度为10F-statistic: 182.6 on 1 and 10 DF, p-value: 9.505e-08 ＃ｆ统计量和ｐ....
分类：
其他好文 时间：
2015-07-16 23:58:08
阅读次数：
413
