Question

参数模型和非参数模型的区别。

那些金融模型一般都是已经确定了模型中的各个参数的，这种金融模型是不是属于参数模型？而人工智能这种，比如NN，SVM是不是属于非参数模型？ logistic回归属于什么模型呢？

Answer 1

参数模型和非参数模型的区别主要有以下几点：

1、两种模型的得出方式不同。

参数模型可以通过已知模型结构中的各个参数，再通过理论分析得出；而非参数模型是直接或间接地从实际系统的实验分析中得到的响应，无法分析得出。

2、参数模型可以用数学表达式表示出来，而非参数模型不可以。

参数模型可以用数学表达式表示出来，而非参数模型数学关系不是那么明显，参数并不确定。

参数模型可以通过结构化表达式和参数集表示的模型。参数模型是以代数方程、微分方程、传递函数等形式表达的，或采用机抑方法建立的模型。

非参数模型是指系统的数学模型中非显式地包含可估参数。例如：系统的频率响应、脉冲响应、阶跃响应等都是非参数模型。

3、两种模型的确定性不同。

在统计学中，参数模型通常假设总体（随机变量）服从某一个分布，该分布的一些参数确定（比如正太分布由均值和方差确定），在此基础上构建的模型称为参数模型。

非参数模型对于总体的分布不做任何假设，只是知道总体是一个随机变量，其分布是存在的（分布中也可能存在参数），但是无法知道其分布的形式，更不知道分布的相关参数，只有在给定一些样本的条件下，能够依据非参数统计的方法进行推断。

扩展资料：

参数模型的优势在于它的灵活性，不需要对模型的结构做任何具体的假设。可是，非参数模型存在明显的缺陷：

1、维数诅咒是非参数估计无法逃避的一个本质问题。

2、非参数模型中很难加入离散的预测变量。

3、当预测变量的维数较高时，很难画出估计函数的图像并给出估计的合理解释。

半参数模型作为非参数模型和参数模型之间的一类模型，既继承了非参数模型的灵活性，又继承了参数模型的可解释性，可以进一步改善非参数模型的缺陷。

参考资料来源：百度百科-参数模型

参考资料来源：百度百科-非参数模型

Answer 2

参数与非参数模型 　用代数方程、微分方程、微分方程组以及传递函数等描述的模型都是参数模型。建立参数模型就在于确定已知模型结构中的各个参数。通过理论分析总是得出参数模型。非参数模型是直接或间接地从实际系统的实验分析中得到的响应，例如通过实验记录到的系统脉冲响应或阶跃响应就是非参数模型。运用各种系统辨识的方法，可由非参数模型得到参数模型。如果实验前可以决定系统的结构，则通过实验辨识可以直接得到参数模型。

Answer 3

描述系统的特征、动态不随空间坐标变化的模型,通常把系统看作一个整体,只研究输入(激发因素)与输出(响应)之间的拟合关系,而对系统内部的过程和机理不予考虑。把所有要素都看作属于空间一个点。模型可分为稳定的(与时间变量无关)和非稳定的(与时间变量有关)；线性的和非线性的等等。