精华内容
下载资源
问答
  • 2020-12-29 06:22:52

    我们已经知道,

    两个随机变量间的相关关系可以用简单相关系数表示,

    一个随机

    变量和多个随机变量的相关关系可以用复相关系数表示,

    而如果需要研究多个随

    机变量和多个随机变量间的相关关系,则需要使用典型相关分析。

    典型相关分析由于研究的是两组随机变量之间的相关关系,

    因此也属于一种多元

    统计分析方法,

    多元统计分析方法基本上都有降维的思想,

    典型相关分析也不例

    外,

    它借用主成分分析的思想,

    在多个变量中提取少数几个综合变量,

    将研究多

    个变量间的相关关系转换为研究几个综合变量的相关关系。

    典型相关分析首先在每组变量中寻找线性组合,

    使其具有最大相关性,

    然后再继

    续寻找在每组中寻找线性组合,

    使其在和第一次寻找的线性组合不相关的条件下,

    具有最大相关性,

    如此继续,

    直到两组变量的相关性被提取完为止,

    这些被提取

    的变量就是综合变量,

    也称为典型变量,

    第一对典型变量之间的相关系数称为第

    一典型相关系数,

    和其他多元分析一样,

    一般提取

    2-3

    对典型变量,

    就可以充分

    概括样本信息。

    看一个例子

    我们现在想分析体力与运动能力的关系,随机抽取了

    38

    人,收集了与体力有关

    7

    项指标,与运动能力有关的

    5

    项指标,数据如下

    SPSS

    对于典型相关分析没有专门的过程,而是需要调用专门的宏程序来加以完

    成,该程序名为

    Canonical correlation.sps

    ,在按照

    SPSS

    的时候默认安装在

    Sample

    文件夹中

    更多相关内容
  • 软件开发模型--5种典型模型介绍及图解

    万次阅读 多人点赞 2018-08-22 18:45:36
    由于喷泉模型在各个开发阶段是重叠的,因此在开发过程中需要大量的开发人员,因此利于项目的管理.此外这种模型要求严格管理文档,使得审核的难度加大,尤其是面对可能随时加入各种信息、需求与资料的情况. 模型 : ...

    转载自:http://www.cnblogs.com/kzloser/archive/2012/07/06/2578835.html

     

    目录

    瀑布模式
    螺旋模型
    快速原型模式
    增量模式
    喷泉模型
    演化模型

     


    瀑布模式

    特点:

    • 阶段间具有顺序性和依赖性:
      • 前一阶段完成后,才能开始后一阶段
      • 前一阶段的输出文本为后一阶段的输入文本
    • 推迟实现的观点
    • 质量保证:
      • 每个阶段必须交付出合格的文档
      • 对文档进行审核

    缺点:

    • 开始需要把需求做到最全
    • 惧怕用户测试中的反馈,惧怕需求变更
    • mux

     


    螺旋模型

    限制条件:

    • 适应于内部的大规模软件开发:螺旋模型强调风险分析,许多客户都无法接受和相信这种分析因此
    • 适合于大规模软件项目(执行风险分析将大大影响项目的利润,进行风险分析就毫无意义)
    • 软件开发人员应该擅长寻找可能的风险,准确地分析风险,否则将会带来更大的风险

    优点:

    • 设计上的灵活性,可以在项目的各个阶段进行变更.
    • 以小的分段来构建大型系统,使成本计算变得简单容易
    • 客户始终参为保证了项目不偏离正确方向以及项目的可控性
    • 客户始终掌握项目的最新信息,从而他或她能够和管理层有效地交互.
    • 客户认可这种公司内部的开发方式带来的良好的沟通和高质量的产品.

    缺点:

    很难让用户确信这种演化方法的结果是可以控制的.建设周期长,而软件技术发展比较快,所以经常出现软件开发完毕后,和当前的技术水平有了较大的差距,无法满足当前用户需求.

    核心:

    在于您不需要在刚开始的时候就把所有事情都定义的清清楚楚.在定义最重要的功能时,去实现它,然后听取客户的意见,之后再进入到下一个阶段.如此不断轮回重复,直到得到您满意的最终产品

    每轮循环包含如下六个步骤:

    • 确定目标,可选项,以及强制条件
    • 识别并化解风险
    • 评估可选项
    • 开发并测试当前阶段
    • 规划下一阶段
    • 确定进入下一阶段的方法步骤.

    模型:


    快速原型模型

    优缺点:

    • 优点:  克服瀑布模型的缺点,减少由于软件需求不明确带来的开发风险。  
    • 缺点:  所选用的开发技术和工具不一定符合主流的发展;快速建立起来的系统结构加上连续的修改可能会导致产品质量低下。

    原型类型:

    • 探索型原型:  目的是要型清用户的需求,确定所期望的特性,并探索各种方案的可行性。它主要针对开发目标模糊,
    • 实验型原型:  主要用于设计阶段,考核;实现方案是否合适,能否实陋
    • 演化型原型:  主要用于及早向用户提交一个原型系统,该原型系统或者包含系统的框架,或者包含系统的主要功能,在得到用户的认可后,将原型系统不断扩充演变为最终的软件系统

    原型的运用方式:

    • 抛弃策略是将原型用于开发过程的某个阶段,促使该阶段的开发结果更加完整、准确、一致、可靠,该阶段结束后,原型随之作废。探索型和实验型就是采用此策略的。
    • 附加策略是将原型用于开发的全过程,原型由最基本的核心开始,逐步增加新的功能和新的需求,反复修改反复扩充,最后发展为用户满意的最终系统,演化型快速原型就是采用此策略

    模型:

     


    增量模型

    构件思想:

    • 第一构件完成软件提供的基本最核心的功能
    • 后面的增构件是为了第一构件提供服务提供功能的
    • 而且避免吧难题退后,首先完成的应该是高风险和重要部分

    困难:

    每个新的构件集成到现有的软件结构中必须破坏原来以开发的产品,所以必须定义很好的接口

    优点:

    • 短时间内向用户提供可完成部分工作的产品
    • 逐步增加产品功能可以使用户有时间了解和适应新产品
    • 开放结构的软件拥有的维护性明显好于封闭结构的软件

    缺陷

    • 容易退化为边做边改模型,从而使软件过程的控制失去整体性 
    • 如果增量包之间存在相交的情况且未很好处理,则必须做全盘系统分析

    模型:


    喷泉模型

    优点:

    喷泉模型不像瀑布模型那样,需要分析活动结束后才开始设计活动,设计活动结束后才开始编码活动.该模型的各个阶段没有明显的界限,开发人员可以同步进行开发.其优点是可以提高软件项目开发效率,节省开发时间,适应于面向对象的软件开发过程.

    缺点:

    由于喷泉模型在各个开发阶段是重叠的,因此在开发过程中需要大量的开发人员,因此不利于项目的管理.此外这种模型要求严格管理文档,使得审核的难度加大,尤其是面对可能随时加入各种信息、需求与资料的情况.

    模型:

     


    演化模型

    思想:

    演化模型主要针对事先不能完整定义需求的软件开发.用户可以给出待开发系统的核心需求,并且当看到核心需求实现后,能够有效地提出反馈,以支持系统的最终设计和实现

    开发顺序:

    • 根据用户的核心需求,设计,编码,测试,后提交用户
    • 精化:根据以能满足用户核心需求的核心系统上,增加用户反馈的其他全部功能

    优点:

    • 任何功能一经开发就能进入测试以便验证是否符合产品需求
    • 开发中的经验教训能反馈应用于本产品的下一个循环过程,大大提高质量与效率
    • 开发中的经验教训能反馈应用于本产品的下一个循环过程,大大提高质量与效率
    • 大大有助于早期建立产品开发的配置管理

    缺点:

    • 主要需求开始并不完全弄清楚的话,会给总体设计带来困难及削弱产品设计的完整性,并因而影响产品性能的优化及产品的可维护性
    • 缺乏严格过程管理的话,这生命周期模型很可能退化为“试-错-改”模式
    • 不加控制地让用户接触开发中尚未测试稳定的功能,可能对开发人员及用户都产生负面的影响

     

    展开全文
  • 典型相关分析 CCA

    千次阅读 2020-12-23 01:21:10
    知道改如何处理数据.看了下设计的量表大致是这样的, 都是 5级的里克特量表, 大致分为两波, X, Y. 小伙伴认为就只有两个变量, 这是从商业理论上来认识的, 但从数据的角度, 却不是的.X: 一共有22个问题, 也就是22个...

    最近有小伙伴在问我一个数据分析的问题, 做毕设, 实证分析. 不知道改如何处理数据.

    看了下设计的量表大致是这样的, 都是 5级的里克特量表, 大致分为两波, X, Y. 小伙伴认为就只有两个变量, 这是从商业理论上来认识的, 但从数据的角度, 却不是的.

    X: 一共有22个问题, 也就是22个字段; 里面又是有认为分组的, 三两个字段, 又被认定为一个别名.

    Y: 一共有13个问题, 也就是13个字段; 里面有是人为分组, 三两字段啥的, 分为 4组, 分别有别名.

    然后不知道该如何分析?

    问题

    探寻 X 与 Y 的相关关系(线性相关)

    其实探讨的时候, 挺不易的, 就很难知道她到底想要分析什么, 需求是什么, 还以为要做什么回归分析, 什么相关分析, 什么统计描述或其他的, 总之, 沟通过程非常漫长. 最后我放弃了, 还是单纯从这个数据级来分析.

    本质上, 其实宏观来看, 就是 X 和 Y 的相关性如何嘛, 以及如何影响的. 那这不是求一波, 相关系数嘛. 但这里, X, Y 是多个字段, 是多对多 的关系, 就求不来了. 因此需要引进新的方法.

    CCA

    于是引入了典型相关分析 (Canonical Correlation Analysis), 用于探索多变量之间的关联关系.

    于是这个问题, 就可以初步这样来做.

    更正一波,写的有点不对, 不是分别降低到一维度. 而是分别降维后, x 和 y 能进行 配对. 这里 y 有13个嘛, x 有22个, 假设根本不对 y 进行降维, 那最多也只能匹配到 13对. 约束条件就是相关系数最大呀. 这块的数学公式就暂时不写了, 跟 PCA , 因子分析的逻辑是类似的.

    发现了一个神器, 在线SPSS, 叫做 SPSSAU, 付费的, 但功能强大, UI 很有感觉, 重点是完全实现 傻瓜式操作. 虽然我已经不再做这块了, 但还是很怀念 SPSS, 比较是我数据分析之路的启蒙软件. 至少是真正用来做数据分析, 做市场研究的.

    简单, 托拉拽, 一键输出报告, 包含 假设检验. 探寻数据的应用意义, 而不用太多关注底层的数学公式. 虽然数学公式会更加帮助理解数据集, 这是后话. 我觉得这才是数据分析的意义:

    描述性统计分析

    关联性统计分析

    探索性建模分析

    这种基于统计理论的分析框架 + 商业理论, 已早已熟练于心. 虽然现在的不用这类 傻瓜工具了, 现在自己搞编程, 但我感觉企业中的数据分析, 至少我接触的反而更加低级.

    写 sql 查询数据 或 手动下载数据

    筛选字段, 合并表格

    计算业务指标, 几遍的加减乘除, 什么同比环比

    大量的分组聚合, 生成报表, 看板

    真的是, 从技术层面, 毫无难度. 我很多时间都是干这些活, 相比数据分析,我认为的, 我感觉还真不如几年前用 SPSS 的时光. 起码是真的再利用数据的价值来进行市场研究, 市场分析.

    然后会最终得到这样类似的结果 , 和一些假设检验, 因子载荷等的术语, 都蛮简单的. (我没跑, 数据暂不能公开, 找了一张网上的示意图)

    这样 CCP 就完成了, 多自变量 和 多因变量的关联分析了.

    Next - 回归

    继续要探寻, X 和部分 y 的关系. 我的思路, 都既然做相关分析了, 那很自然再拓展到回归分析呀.

    合并 y 为 1 列

    回归分析的 y 是一个字段, 因此, 可以将 量表中的 小 y 组进行, 合并为一列. 这里, 可以加权 或者 直接平均, 自己能解释清楚就行.

    主成分 + 多元回归

    有一个 y, 有很多的 x1, x2, x2... 相关分析, 就是要判断, 这些 x1, x2..与 y 是都是分别有线性相关性的(相关系数高); 而 x1, 与 x2, x3.. 之间呢, 彼此相关系数 要低

    第二步就是要降维. 为啥必须要降维度呢, 就是怕 X 矩阵, 存在共线, 然后就不能 求 逆了呀.

    PCA降维

    至于如何降维, 我感觉我自己都说烂了. 也搞好几年了, 就是让特征重新进行线性组合 (改变数据了哦) 为几个较少得到特征, 然后尽可能保留原来更多的信息 (协方差的范数尽可能大)

    求解模型参数

    方法1 是一步求解, 就用上面的共线图中的矩阵运算即可.

    方法2 是用梯度下降法来做, 我用的多, 但这个小伙伴, 没有学过编程, 就还是给推荐, 撒花是点点点算了.

    小结

    多自变量 和 多因变量 分析可以考虑 典型相关分析 CCA 这种 "降维配对" 的技术

    回归分析必须 3步: 先做相关性分析; 再做降维处理; 再训练模型参数;

    PCA 我感觉非常厉害的. 还有一在线版spssau 的工具体验感很好, 市场研究方面的数据处理, 很适合.

    展开全文
  • 如何在SPSS中实现典型相关分析

    千次阅读 2021-01-12 06:16:48
    如何在SPSS中实现典型相关分析?SPSS11.015.1典型相关分析15.1.1方法简介在相关分析一章中,我们主要研究的是两个变量间的相关,顶多调整其他因素的作用而已;如果要研究一个变量和一组变量间的相关,则可以使用多元...

    如何在

    SPSS

    中实现典型相关分析?

    SPSS 11.0

    15.1

    典型相关分析

    15.1.1

    方法简介

    在相关分析一章中,我们主要研究的是两个变量间的相关,顶多调整其他因素的作用而已;如果要研究一个变量和一组变量间的相关,

    则可以使用多元线性回归,方程的复相关系数就是我们要的东西,同时偏相关系数还可以描述固定其他因素时某个自变量和应变量间的

    关系。但如果要研究两组变量的相关关系时,这些统计方法就无能为力了。比如要研究居民生活环境与健康状况的关系,生活环境和健

    康状况都有一大堆变量,如何来做

    ?

    难道说做出两两相关系数

    ?

    显然并不现实,我们需要寻找到更加综合,更具有代表性的指标,典型相

    (CanonicalCorrelation)

    分析就可以解决这个问题。

    典型相关分析方法由

    Hotelling

    提出,他的基本思想和主成分分析非常相似,也是降维。即根据变量间的相关关系,寻找一个或少数几

    个综合变量

    (

    实际观察变量的线性组合

    )

    对来替代原变量,从而将二组变量的关系集中到少数几对综合变量的关系上,提取时要求第一对

    综合变量间的相关性最大,第二对次之,依此类推。这些综合变量被称为典型变量,或典则变量,第

    1

    对典型变量间的相关系数则被称

    为第

    1

    典型相关系数。一般来说,只需要提取

    1

    2

    对典型变量即可较为充分的概括样本信息。

    可以证明,当两个变量组均只有一个变量时,典型相关系数即为简单相关系数;当一组变量只有一个变量时,典型相关系数即为复相关

    系数。故可以认为典型相关系数是简单相关系数、复相关系数的推广,或者说简单相关系数、复相关系数是典型相关系数的特例。

    15.1.2

    引例及语法说明

    SPSS

    中可以有两种方法来拟合典型相关分析,第一种是采用

    Manova

    过程来拟合,第二种是采用专门提供的宏程序来拟合,第二种方

    法在使用上非常简单,而输出的结果又非常详细,因此这里只对它进行介绍。该程序名为

    Canonical correlation.sps

    ,就放在

    SPSS

    安装路径之中,调用方式如下:

    INCLUDE 'SPSS

    所在路径

    \Canonical correlation.sps'.

    CANCORR SETl=

    第一组变量的列表

    /SET2=

    第二组变量的列表

    .

    在程序中首先应当使用

    include

    命令读入典型相关分析的宏程序,

    然后使用

    cancorr

    名称调用,

    注意最后的“.”表示整个语句结束,

    不能遗漏。

    这里的分析实例来自曹素华教授所著《实用医学多因素统计分析方法》第

    176

    页:为了研究兄长的头型与弟弟的头型间的关系,研

    究者随机抽查了

    25

    个家庭的两兄弟的头长和头宽,资料见文件

    canoncor.sav

    ,希望求得两组变量的典型变量及典型相关系数。显然,代

    表兄长头形的变量为第一组变量,代表弟弟头形的变量为第二组变量,这里希望求得的是两组变量间的相关性,在语法窗口中键入的程

    序如下:

    INCLUDE 'D:\SpssWin\Canonical correlation.sps'.

    请使用时改为各自相应的安装目录

    CANCORR SETl=longlwidthl

    列出第一组变量

    /SET2=long2width2.

    列出第二组变量

    选择菜单

    Run->All

    ,运行上述程序,结果窗口中就会给出典型相关分析的结果。

    15.1.3

    结果解释

    NOTE:ALL OUTPUT INCLUDING ERROR MESSAGES HAVE BEEN TEMPORARILY

    SUPPRESSED.IF YOU EXPERIENCE UNUSUAL BEHAVIOR THEN RERUN THIS

    展开全文
  • SPSS26没有典型相关性分析怎么办

    千次阅读 2021-09-04 20:20:05
    若有典型相关性,调用方法: 操作步骤: 分析-相关-典型相关性 若以上两个原因都无法解决,就利用函数来完成相关性分析(新建syntax(语法)) 文件-新建-语法 在语法编辑器里输入以下代码 (主要就是先找SPSS文件,...
  • 数学建模——典型相关分析及相关SPSS操作

    万次阅读 多人点赞 2019-10-31 08:44:26
    文章目录一、引述1.概念2.示例说明 一、引述 ...典型相关分析用于研究两组变量(每组变量中都可能有多个指标)之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系。 2.示例说明 ...
  • 典型环节的频率特性(建议收藏)

    千次阅读 多人点赞 2021-08-15 08:19:01
    【自控笔记】5.3典型环节频率特性一、最小相位系统二、非最小相位系统 控制系统种类繁多,传递函数复杂,但任何形式的传递函数都是由有限的典型环节组成。因此,掌握典型环节的频率特性是使用频域法分析系统的基础。...
  • 自动控制系统的典型环节

    万次阅读 多人点赞 2019-04-26 15:45:43
    这些环节成为典型环节或基本环节。经典控制理论中,常见的典型环节有以下六种。 1、比例环节 比例环节是最常见、最简单的一种环节。 比例环节的输出变量y(t)与输入变量x(t)之间满足下列关系  (1) ...
  • python 典型变量分析

    千次阅读 2018-04-18 11:17:01
    典型相关分析的基本思想是首先在每组变量中找出变量的线性组合,使其具有最大相关性,然后再在每组变量中找出第二对线性组合,使其分别与第一对线性组合相关,而第二对本身具有最大的相关性,如此继续下去,直到...
  • 文章目录Spring 典型,非典型循环依赖问题及其解决方法1、设计原则2、典型循环依赖3、到底什么是依赖4、强依赖5、弱依赖6、依赖调解7、Spring 是如何把构造函数进行解耦的 - Spring的依赖注入模型8、非典型的循环...
  • 概要介绍: 本课程主要是介绍并实战一款java中间件~redisson,介绍redisson相关的核心技术栈及其典型的应用场景,其中的应用场景就包括布隆过滤器、限流器、短信发送、实时/定时邮件发送、数据字典、分布式服务调度...
  • 数学建模(NO.10 典型相关分析)

    千次阅读 2021-01-11 20:02:17
    典型相关分析一.应用二.思想三.过程四.关键步骤五.spss操作第一步:导入数据第二步:检验数据的类型第三步:点击菜单功能第四步:将数据移动到对应的集合第五步:导出分析结果第六步:改名六.结果分析第一步:数据的...
  • 数模学习(六)---典型相关分析

    千次阅读 2020-07-09 11:52:30
    典型相关分析(Canonical Correlation analysis)是研究两组变量(每组变量中都可能有多个指标)之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系 提示:这里将涉及到多元统计的知识,在学过了...
  • 设计模式 | 适配器模式及典型应用

    万次阅读 多人点赞 2018-09-20 01:37:29
    适配器模式(Adapter Pattern):将一个接口转换成客户希望的另一个接口,使接口兼容的那些类可以一起工作,其别名为包装器(Wrapper)。适配器模式既可以作为类结构型模式,也可以作为对象结构型模式。 在适配器模式...
  • 典型相关分析(canonical correlation analysis,CCA)

    千次阅读 多人点赞 2020-05-07 10:44:57
    一、什么是典型相关分析 通常情况下,为了研究两组变量 {X=(x1,x2,⋯ ,xp)Y=(y1,y2,⋯ ,yq) \left\{ \begin{array}{l} X=\left( x_1,x_2,\cdots ,x_p \right)\\ \\ Y=\left( y_1,y_2,\cdots ,y_q \right)\\ \...
  • Spss典型相关分析的常见问题

    千次阅读 2020-04-06 10:32:27
    spss典型相关分析的常见问题 (1)Spss中没有典型相关分析这个命令 (a)检查你的SPSS版本是否是24及以上 (b)你的spss安装路径是否是默认的位置,如果不是的话请卸载重装到默认位置。 (2)Spss运行典型相关分析...
  • R语言典型相关分析

    万次阅读 多人点赞 2017-02-27 16:40:46
    部分参考薛毅的《统计建模与R软件》和《R语言实战》1 关键点:典型相关分析典型相关分析是用于分析两组随机变量之间的相关程度的一种统计方法,它能够有效地揭示两组随机变量之间的相互(线性依赖)关系例如 研究生...
  • 典型相关分析

    千次阅读 2019-06-11 14:27:12
    典型相关分析函数:[a,b,r,u,v,stats] = cononcorr(x,y): param:  x:原始变量x矩阵,每列一个自变量指标,第i列是 xi 的样本值  y:原始变量y矩阵,每列一个因变量指标,第j列是 yj 的样本值 return:  a:...
  • 典型相关分析(CCA)简述

    千次阅读 2020-10-24 09:44:18
    典型相关分析(Canonical Correlation Analysis)是研究两组变量之间相关关系的一种多元统计方法,它能够揭示出两组变量之间的内在联系。         在一元统计分析中,用相关系数来...
  • 一、为什么要用典型相关分析 典型相关分析研究的是两组变量之间的关系,如{x1, x2, x3}和{y1, y2, y3}两组变量之间的关系。 具体来说,变量间的相关关系可以分为以下几种: 两个变量间的线性相关关系,可用简单相关...
  • SPSS在线_SPSSAU_SPSS典型相关分析

    千次阅读 2021-02-05 15:06:09
    4、SPSSAU输出结果此表格展示出典型变量的提取情况,上表中共显示有5个典型变量被提取出来,在进行F检验时显示,其中仅2个典型变量是呈现出0.01水平的显著性,因此,最终应该以两个典型变量为准进行后续研究。...
  • 大数据之大数据的典型应用

    千次阅读 2020-06-19 10:14:59
    下面,我们来看一下大数据几个典型的应用。 下面,开启第一讲:大数据之大数据典型应用。 啤酒与尿不湿 大数据其实是无处不在,常伴我们左右,这里有一个比较经典,为人所津津乐道的一个故事,就是啤酒与尿不湿的...
  • 第一章:1.1.3 典型信号

    千次阅读 2017-08-12 16:11:22
    如图所示,之所以称斜变信号为奇异信号是因为他的导数是连续的,负半轴为0正半轴为1.斜变信号有很多应用,最常见的就是老式电视的锯齿形扫描函数。 多项式因果信号 与斜变信号对应的是多项式因果信号,...
  • 接着再分别在两组变量中找出第二对线性组合,使他们具有第二大的相关性,并且它们分别于本组内的第一线性组合相关。以此类推找出其他线性组合,如下面提取两对线性组合,其中 u 1 u 2 u_1 u_2 互相独立, v 1 v 2...
  • 典型相关分析(Matlab实现函数)

    万次阅读 多人点赞 2018-08-28 15:23:57
    先附上自己认为写的比较好的一篇博客。 ... 同时要指出自己博文的问题:对于Matlab中canoncorr中的...典型相关分析  不仅需要考虑两个变量之间的相关程度,而且还需要考察多个变量与多个变量之间的相关性。  ...
  • 典型相关分析原理(CCA)

    万次阅读 多人点赞 2020-01-21 12:29:17
    CCA典型相关分析 (canonical correlation analysis)利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。它的基本原理是:为了从总体上把握两组指标之间的相关关系,分别在两组变量中...
  • 《android 3d游戏开发技术详解与典型案例》主要以android平台下3d游戏的开发为主题,并结合真实的案例向读者详细介绍了opengl es的基础知识及3d游戏程序开发的整个流程。 《android 3d游戏开发技术详解与典型案例》...
  • 二阶系统的性能一个典型的二阶系统如图所示输入输出关系为考虑单位脉冲函数的输入(拉普拉斯变换为1),系统输出为对应的瞬态响应为二阶控制系统的典型阶跃响应如下图所示(欠阻尼系统)系统的瞬态响应性能主要体现...
  • 典型相关分析及R应用

    万次阅读 多人点赞 2018-11-04 23:35:49
    什么是典型相关分析 典型相关分析基本架构 简单相关分析 多变量相关分析 典型相关分析 典型相关分析的基本原理 R实现 20名中年人的生理指标和训练指标 广州省能源消费量与经济增长之间的典型相关分析 什么...
  • CCA:典型相关分析

    千次阅读 2019-07-02 14:09:06
    1.典型相关分析的基本思想 首先,什么是非典型的即经典的相关分析。给你两组变量X=[x1,x2,...,xm],Y=[y1,y2,...,yn],要研究X和Y之间的相关性,就是要得到一个X和Y的协方差矩阵cov(X,Y),矩阵中的每一个值uij表示...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,147,642
精华内容 459,056
关键字:

不典型