《表4 基于网格搜索的AIC、BIC和HQIC值》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《中国博士生教育规模增长预测分析——基于1996—2018年省际面板数据的实证研究》
现在使用自回归阶数p和移动平均q的参数二元组带入到ARMA模型中,使得AIC、BIC和HQIC值达到最小的参数即为理想阶数。在机器学习(Machine Learning)中,这个过程被称为网格搜索(Grid Search):是一项模型超参数优化(Hyper-parametric Optimization)技术,在指定的参数范围内循环遍历,按步长依次调整参数,利用调整的参数训练学习器,从所有的参数中找到在验证集(Validation Set)上精度最高的参数。结合自相关系数图和偏自相关系数图,我们将自回归阶数p和移动平均q设置为[0,5],表4为网格搜索的结果:
图表编号 | XD00175827600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.15 |
作者 | 杜帆、李立国 |
绘制单位 | 中国人民大学教育学院 |
更多格式 | 高清、无水印(增值服务) |