我使用带有外生变量的向量自回归模型对具有季节性的每日订单进行建模。我使用了'vars‘包,它具有适合模型的函数。我在没有使用外生变量的情况下得到了预测,但我必须包括它们。我的外生变量矩阵包括营销信息和大量的0和1。它是一个1218 x 123大小的矩阵。我的内生变量是一个1218x4大小的矩阵。下面是R代码。我真的需要帮助如何用我的预测来解决这个问题。= 123 , type ="both", season =366, exogen=x1)
我正在尝试从64535 x 67矩阵到64535 x 2矩阵进行降维到2维。我不确定为什么下面的拟合变换计算挂起了,除了这是一个大矩阵和大缩减的事实之外。mds不具备处理如此大的矩阵/约简的能力吗?include=[np.number])
mds = sklearn.manifold.MDS(n_components=2</em
实际上,我在动态规划中遇到了一个问题,我们需要找到用给定尺寸的瓷砖平铺2XN区域的方法。以下是问题陈述我知道如何求解一个函数为there.For大N的LR模型,就像上面问题中的情况一样,我们可以进行矩阵指数运算,实现O(k^3log(N))时间,其中k是最小数,使得对于所有k>m F(n)都不依赖于F( not )。在那个博客中