首頁

> 產品新知

產品新知

2019.06.03

Mathematica

神經網路是一種程式設計方法,靈感來自人腦中的神經元,使電腦能夠從觀測資料中學習,無論是圖像、音訊、文本、標籤、字串還是數字。神經網路是資料驅動的演算法,因此第一步是徹底調查您的資料;可以使用各種統計和視覺化技術來查看資料的模式和變化。接下來,請決定您的網路;Wolfram神經網路知識庫是個好的開始,知識庫中的所有神經網路模型都可以在 Wolfram語言中,以程式設計方式使用。

2019.06.03

GAUSS

儘管許多標準計量經濟學模型假設變異數不變,但變異數的結構性斷裂已有充分證據,特別是在經濟和金融資料中。如果沒有準確地考慮這些變化,可能會阻礙預測推論,像是預測變異數與區間。本文於 GAUSS 使用疊代累積平方加總 (ICSS) 演算法,找出變異數的結構性斷裂。

2019.06.03

EViews

當談論時間序列中的季節性概念時,通常會提到 “由於天氣、日曆和決策時間的變化而導致的,儘管不一定是週期性的,系統性年內移動”;具有較高週期性的總體經濟資料 (每年抽樣一次以上) 通常表現出這種行為。季節性可以透過兩種方式建立模型:確定性或隨機性。隨機季節性的一種特別重要的形式為,在某些或所有頻率上,以單根的形式表現。EViews 11 支援診斷存在季節性單根的檢定。

2019.05.03

Stata

規劃科學研究時,統計學家很少直接計算一組假設的檢定力;通常計算一系列參數值的檢定力,並選擇實際可行的一組假設。前篇文章已展示如何使用蒙地卡羅模擬計算 t檢定的檢定力,本篇文章展示將模擬整合到指令power,輕鬆地為一系列參數值建立自訂表格和圖形。

2019.05.03

Altair® RapidMiner®

機器學習儼然已經成為現代數據分析為企業帶來最大價值的技術之一,其所帶來的效益並不只是一開始訓練完模型得到的結果而已,而是靠著佈署模型後持續洞察,進而採取行動改變商業模式。但訓驗和佈署模型屬兩種完全不同的環境應用,若將模型佈署到生產線期待它發揮更大效果的同時,也必須注意可能發生的幾項問題。

2019.05.03

Mathematica

Wolfram Language 12 引入了眾多全新的重要功能,讓任何人都可快速使用最新的多典範 (multiparadigm) 資料科學與機器學習、區塊鏈、直接於互動式記事本或透過部署的 API 和外部語言使用 Wolfram Knowledgebase 與自訂資料庫;並於核心語言、符號與數值計算、視覺化與圖形、幾何與地理…等新增功能。