简述自变量选择的几个常用准则    自变量选择是统计建模中非常重要的一步，常用的准则包括以下几个：正则化统计    1. 前向选择法（Forward Selection），从一个空模型开始，逐步加入自变量，每次加入一个自变量后，检验其对模型的贡献，选择对模型贡献最大的自变量加入模型。    2. 后向消元法（Backward Elimin...

拉索的原理拉索（Lasso）是一种用于数据挖掘和统计分析的机器学习算法，它常被用来进行特征选择和模型正则化。拉索的全称是Least Absolute Shrinkage and Selection Operator，它通过对模型系数进行惩罚来实现特征选择和模型简化。在实际应用中，拉索可以帮助我们发现最重要的特征，并且可以减少模型的复杂性，提高预测的准确性。拉索的原理主要基于对模型系数的惩罚，它通过...

多重共线性对模型解释力和能力有什么影响多重共线性是指在回归模型中，独立变量之间存在高度相关性，这种相关性会对模型的解释力和能力产生一定的影响。本文将分析多重共线性对模型解释力和能力的影响，并探讨相应的应对策略。一、多重共线性对模型解释力的影响多重共线性会使得回归模型中解释变量之间的关系变得模糊不清，导致模型的解释力下降。具体影响如下：1. 系数估计不稳定在存在多重共线性的情况下，模型的系数估计会变...

回归正则化方法回归正则化方法是一种在机器学习算法中用于防止数据过拟合的技术。该方法通过在模型中引入正则化项，对模型的复杂度进行约束，从而避免模型对训练数据的过度拟合。在回归模型中，常见的正则化方法包括L1正则化（Lasso回归）和L2正则化（Ridge回归）。L1正则化通过对模型参数的绝对值之和进行惩罚，使得模型中的某些参数变为零，从而实现特征选择和模型简化。L2正则化通过对模型参数的平方和进行惩...

pytorch数据类型与转换torch定义了7种cpu tensor类型和8中gpu tensor类型使⽤时，直接传⼊数字，就是按照形状初始化torch.FloatTensor(2,3)torch.DoubleTensor(2,3)torch.ByteTensor(2,3)torch.CharTensor(2,3)torch.ShortTensor(2,3)torch.IntTensor(2,3)...

python 下进⾏lda 主题挖掘（三）——计算困惑度perplexity到2018年3⽉7⽇为⽌，本系列三篇⽂章已写完，可能后续有新的内容的话会继续更新。本篇是我的LDA主题挖掘系列的第三篇，专门来介绍如何对训练好的LDA模型进⾏评价。训练好好LDA主题模型后，如何评价模型的好坏？能否直接将训练好的模型拿去应⽤？这是⼀个⽐较重要的问题，在对模型精度要求⽐较⾼的项⽬或科研中，需要对模型进⾏评价。...