参数与非参数估计

该书从数学和实际问题的角度出发，详细介绍了线性回归、非线性最优化、正则化等知识，对于学习机器学习有较高的参考价值

实现对符合广义高斯分布样本的广义高斯参数的估计，利用Newton–Raphson迭代方法实现参数的数值解。

高斯混合模型是有效的描述数据集合分布的手段，高斯混合模型中各个单高斯模型的均值、方差和权重的估计，实际上是样本空间下的参数估计问题。参数估计的方法有很多，相比较而言，EM算法是MLE（Maximum

贝叶斯估计BayesEstimation是一种高效的参数估计方法，使用该方法可以更准确地估计后验概率。该方法包含实例代码和详尽的贝叶斯估计函数参考书籍：统计学习方法。在使用方法时，需要输入训练数据集X

在统计学中，估计量的相合性是指随着样本容量的增大，估计量会越来越接近被估计参数的真实值。 对于服从多元正态分布的总体，我们关心的参数通常是均值向量 和协方差矩阵 。如果 和 分别是 和 的

该文件利用EM算法实现了对高斯混合模型的最大似然参数估计，有文档说明。

论文研究-时变弹性系数生产函数的非参数估计.pdf,  提出了时变弹性系数生产函数模型,该模型刻画了弹性系数不再是常数而是随时间变化而变化的函数,并且去除了古典生产函数模型的两个不合理的假设,即所提出

论文研究-基于非参数估计的权证定价方法及应用.pdf,  针对权证市场, 文中首次提出基于非参数估计的权证定价方法, 其中包括完全非参数定价方法和基于模型的非参数修正定价方法, 并将其应用于中国权证市

经济金融计量学中的非参数估计技术，用R软件和S-PLUS软件，书中有代码

很好地参数估计方法，通过此方法来估计汽车参数，主要应用遗传算法