线性回归模型的小demo，利用梯度下降法进行模型训练，在一个toyset上进行了验证。

主成分回归分析代码，主成分回归相比于传统的最小二乘回归，去除了自变量之间的耦合干扰，提高了回归的逼近能力

用-SPSS-Modeler-建立线性回归预测模型

关于时间序列中非参数回归方法的一些资料关于时间序列中非参数回归方法的一些资料

Eviews计算CoVaR的步骤，分位数回归方法和GARCH方法。

可用做深度学习测试的一维线性回归数据集。
数组大小247*900，实验数据取自真实场景，回归精度好。
9种特征，每种特征有100条数据。

《Origin9.0科技绘图与数据分析超级学习手册》是一本专为用户深度学习Origin9.0软件而设计的教程，旨在帮助用户掌握如何高效地利用该软件进行科学绘图和复杂的数据分析。
Origin9.0是科研人员和工程师常用的图形用户界面（GUI）应用程序，尤其在实验数据处理、可视化以及统计分析等方面表现出色。
Origin9.0提供了丰富的2D和3D绘图类型，包括散点图、线图、柱状图、饼图、等高线图、表面图等，适用于各种科研领域。
在绘图过程中，用户可以自定义颜色、线条样式、符号形状，以及添加图例、坐标轴、网格线等元素，使图表更具专业性和可读性。
此外，Origin支持批量处理，能快速生成多图并排比较，对于论文发表或报告制作非常方便。
在数据分析方面，Origin9.0包含多种内置统计函数和分析工具，如基本的平均、标准差、回归分析，到高级的傅里叶变换、主成分分析（PCA）、非线性拟合等。
用户可以通过工作表中的公式栏直接输入计算公式，或者利用内置的分析菜单进行操作。
此外，Origin还支持自定义脚本，通过LabTalk语言，用户能够编写复杂的数据处理和分析程序，提高工作效率。
在学习资源中，课件通常会涵盖基础操作，如数据导入、工作表管理、图形创建与编辑，以及高级功能，例如曲线拟合、数据分析模板的定制。
这些内容有助于初学者迅速上手，并逐步深入到高级应用。
同时，提供的数据文件可能包含了实例数据，供学习者实践操作，通过实际操作来巩固理论知识。
自学Origin9.0时，建议按照以下步骤进行：1.学习基础界面和工作流程：了解Origin的工作窗口布局，掌握新建项目、导入数据、编辑工作表的基本操作。
2.探索绘图功能：逐一尝试不同类型的2D和3D图表，学习如何调整图表属性，使图表满足专业要求。
3.熟悉数据分析工具：通过实例数据，练习使用内置的统计和分析函数，理解其原理和应用场景。
4.实践曲线拟合：学习如何使用Origin的拟合功能，对数据进行非线性拟合，探究数据背后的规律。
5.学习LabTalk编程：逐步了解和应用LabTalk语言，编写自定义脚本，实现自动化处理。
6.定制和保存工作流程：学习如何保存个人的分析模板，提高工作效率。
通过深入学习和实践《Origin9.0科技绘图与数据分析超级学习手册》中的内容，用户将能够熟练掌握Origin9.0的各项功能，提升科研和工程领域的数据分析能力。

开发工具是jupyternotebook，利用matplotlib绘制发动机万有特性曲线。
主要分为三部分绘制，绘制等燃油消耗曲线/等功率曲线/外特性曲线。
压缩包中的图是根据实际采集到的发动机数据（出于保密，无法上传），采用多元线性回归拟合绘制的图。
其中多元线性回归主要是调用sklearn库来完成，绘图部分主要调用matplotlib。
因为是自己看函数文档，一点一点手写的代码，中间走了很多坑，所以代码注释应当是非常详细。
因为数据量的问题，拟合存在一定的失真，相比实际的图会存在一定的出入，代码只是提供一种绘制方法，提供的图仅供参考！

HLM软件可以进行多层线性分析与spss的回归分析相似现在开始流行啦

StatisticalLearningwithSparsity:TheLassoandGeneralizations关于稀疏性统计学习：套索回归概论

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。