分位数回归

分位数回归matlab代码，绝对可用，有注释，以及运行时间显示

分位数回归函数部分代码如下 function [p,stats]=quantreg(x,y,tau,order,Nboot) if nargin error('Not enougp input arguments.'); end if nargin,order=[]; end if nargin,Nboot=200; end if(tau)|(tau>=1), ...

项目旨在解决传统的确定性预测方法无法提供预测结果不确定性的定量评估的问题，通过分位数回归为时间序列预测提供区间预测，增强决策者的风险管理能力。主要内容包括：项目的背景、目标、挑战及创新点；QRF模型的...

MATLAB实现LASSO分位数回归时间序列预测（完整源码和数据） 两个月数据，不同特征预测，预测80%间隔，不同特征选择误差，日前一天各个预测点的分位数，程序乱码是由于版本不一致导致，可以用记事本打开复制到你的...

"quantnn: 分位数回归神经网络" 这个标题指出我们讨论的是一个名为"quantnn"的软件包，它专门用于实现分位数回归的神经网络模型。分位数回归是一种统计分析方法，不同于传统的均值最小化误差的回归分析，它关注的是...

这是一本对面板分位数回归方法和案例的综述性文章，150页左右，PDF格式。

分位数回归森林论文，基于随机森林，可进行分位数回归预测

分位数估计 使用 callibrartion 进行分位数估计

本文描述了最新的回归技术随机森林分位数回归森林（QRF）的新扩展，以应用于具有数千个特征的高维数据。 我们提出了一种新的子空间采样方法，该方法从两个单独的特征集中随机抽取一个特征子集，一个特征集包含重要特征，另一个特征集包含次要特征。 这两个功能部件集基于功能部件的重要性度量对输入数据进行分区。 通过使用特征置换产生分区原始重要性特征评分首先进行，然后应用p值评估将重要特征与次要特征分开。 新的子空间采样方法能够从袋装样本数据生成树，而回归误差较小。 对于点回归，我们从两个分位数Q0：05和Q0：95之间的范围中选择Y的预测值，而不是回归随机森林中使用的条件均值。我们的实验结果表明，具有这些扩展的随机森林要优于回归随机森林和分位数回归森林减少均方根残差。