文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

滚动窗口R2的平均值是回归的总R2吗？

滚动窗口R2的平均值并不是回归的总R2。滚动窗口R2是一种评估回归模型性能的指标，它通过将数据集分成多个滚动窗口，每次使用一个窗口作为测试集，其余窗口作为训练集来计算R2值。然后，将所有窗口的R2值取平均得到滚动窗口R2的平均值。

滚动窗口R2的平均值主要用于评估回归模型在不同数据子集上的稳定性和一致性。它可以帮助我们判断模型是否对数据的变化具有较好的适应性。

回归的总R2是指在整个数据集上计算的R2值，它衡量了回归模型对整个数据集的拟合程度。回归的总R2可以用来评估模型的整体性能和预测能力。

滚动窗口R2的平均值和回归的总R2都是评估回归模型性能的指标，但是它们所反映的角度和应用场景不同。滚动窗口R2的平均值更注重模型的稳定性和一致性，而回归的总R2更注重模型的整体拟合能力。

腾讯云相关产品和产品介绍链接地址：

  • 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
  • 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）
  • 腾讯云人工智能开发平台（https://cloud.tencent.com/product/tcaplusdb）
  • 腾讯云大数据分析平台（https://cloud.tencent.com/product/emr）
  • 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
  • 腾讯云云数据库（https://cloud.tencent.com/product/cdb）
  • 腾讯云云存储（https://cloud.tencent.com/product/cos）
  • 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
  • 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
  • 腾讯云移动开发平台（https://cloud.tencent.com/product/mpp）
  • 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
  • 腾讯云网络安全（https://cloud.tencent.com/product/ddos）
  • 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
  • 腾讯云元宇宙（https://cloud.tencent.com/product/vr）
相关搜索:如何将来自不同回归的R2和回归方程放在一个图中？基于回归系数的滚动窗口预测在R中使用pglm包的伪R2 (固定效应模型的泊松回归)如何打印多元线性回归模型(r2等)的结果摘要- SciKitLearn模型与Statsmodels为什么即使存在相关关系，R2仍然是负的？根据R中的多元回归中的变量从lm()中提取R2列表在R中两个栅格之间的散点图中绘制回归线和r2？TimePicker是不可滚动的吗？Python中具有可变窗口长度的滚动平均值将一列与另一列相减，即可运行总的SQL Server2008 R2为什么熊猫滚动的意思是居中窗口数据帧中固定时间窗口的滚动平均值逻辑回归是创建评分模型的更好方法吗？FileOptions.DeleteOnClose窗口是特定的吗？对于这种情况，多项逻辑回归是合适的“测试”吗？如何正确选择计算滚动平均值和标准差的窗口？来自HKWorkoutSession的heartRate数据是移动平均值吗？statsmodels.regression.rolling中的RollingOLS可以进行扩展窗口回归吗？线性回归-下面的岭回归实现使用梯度法找到系数项是正确的吗？Pandas应用条件语句:将x与滚动窗口的平均值进行比较
相关搜索:
页面内容是否对你有帮助？
有帮助
没帮助

相关·内容

statsmodels的回归R2的问题

做量化呢，得经常做回归，各种各样的，ols，wls，正则的lasso， 岭回归等等。回归有一个很重要的整体解释力度的参数就是R2，也就是可决系数。...在python中，我们回归一般采用的是statsmodels这个模块，但是回归的时候获得的R2其实有那么点学问，有时候设置错参数可能得到的R2大家会觉得怪怪的。这里就给大家排个雷。...我们分别获取了第一组的情况下的三种回归的r2和回归的结果。我们看到两点：         1.r2来看，第二种和第三种是一样的。而第一中明显高于后面两种。这是为什么呢？...我们发现，r2计算的时候分成两种，一种的tss分母是centered，一种是uncentered，而如果constant是包含在模型中，那么就是用centered，如果没有，那么就是uncentered...这也就是为什么我们在第一组中，constant是false的时候，r2这么大。         那么第二组中把addconstant去掉之后的结果是怎么样的呢？ ?

2K30

多窗口大小和Ticker分组的Pandas滚动平均值

最近一个学弟在在进行数据分析时，经常需要计算不同时间窗口的滚动平均线。当数据是多维度的，比如包含多个股票或商品的每日价格时，我们可能需要为每个维度计算滚动平均线。...这意味着，如果我们想为每个股票计算多个时间窗口的滚动平均线，我们需要编写一个自定义函数，该函数可以接受一个时间序列作为输入，并返回一个包含多个滚动平均线的DataFrame。...然后，使用groupby和apply方法，将my_RollMeans函数应用到每个分组对象中的每个元素。这样，就可以为每个股票计算多个时间窗口的滚动平均线，并避免数据维度不匹配的问题。...滚动平均线（Moving Average）是一种用于平滑时间序列数据的常见统计方法。它通过计算数据序列中特定窗口范围内数据点的平均值，来消除数据中的短期波动，突出长期趋势。...这种平滑技术有助于识别数据中的趋势和模式。滚动平均线的计算方法是，对于给定的窗口大小（通常是时间单位），从数据序列的起始点开始，每次将窗口内的数据点的平均值作为平均线的一个点，并逐步向序列的末尾滑动。

16510

    • 计量笔记 ｜ 拟合优度

    带截距项回归的 定义 拟合优度用来判定样本回归曲线拟合真实 值的优劣程度，又称为判定系数。 ?...（图片来源：古扎拉蒂《计量经济学精要》（第 4 版）） 如上图所示，将 的总变异（TSS）分解为两部分，可以被回归分解（ESS） + 未被回归分解（RSS）。...另一方面，通过最优地选择新增解释变量的系数（以及已有解释变量的系数），通常可以提高 。 下面，我们用程序来看看，是不是解释变量， 越大： /* x 越多真的 r2 越大吗？...因此只有 个 是可变化的，最后一个则可以通过平均值与样本量确切的计算出来。所以 TSS 的自由度为 。 ESS 自由度： 。对于每个 可以有 个 。...但是 平均值已知，正如一元线性回归中所看到的， ，这样又占据了一个自由度。所以 ESS 的自由度是 。 RSS 自由度： 。

    5.7K30

    Python实现回归评估指标sse、ssr、sst、r2、r等

    SST 总平方和 SSE 误差平方和 SSR 回归平方和 R2 判定系数 R 多重相关系数 MSE 均方误差 RMSE 均方根误差 MAE 平均绝对误差 MAPE 平均绝对百分误差 count 行数 yMean...原始因变量的均值 predictionMean 预测结果的均值 R2 判定系数 一般来说，R2在0到1的闭区间上取值，但在实验中，有时会遇到R2为inf（无穷大）的情况，这时我们会用到R2的计算公式...是反映评价拟合好坏的指标。R2是最常用于评价回归模型优劣程度的指标，R2越大（接近于1），所拟合的回归方程越优 R多重相关系数 相关系数是一个评价两个变量线性相关度的指标。...但是如果本来就用的非线性拟合（多项式、曲线），那这个指标对于评估拟合没有任何意义。 ? 表示原回归值，​ ? 表示原回归值的平均值， ? 表示预测回归值 总平方和，表示变量 ?...的异动;它表征了观测数据总的波动程度 ? 回归平方和，表示估计值 ? 相对于中心 ​ ? 的异动; ? 误差平方和，表示变量 ? 相对于估计值 ? 的异动。 ? ?

    5.9K10

    机器学习回归模型相关重要知识点总结

    异常值是值与数据点的平均值范围不同的数据点。换句话说，这些点与数据不同或在第 3 标准之外。 线性回归模型试图找到一条可以减少残差的最佳拟合线。...十一、除了MSE 和 MAE 外回归还有什么重要的指标吗？ 我们用一个回归问题来介绍这些指标，我们的其中输入是工作经验，输出是薪水。下图显示了为预测薪水而绘制的线性回归线。...指标四：R2 score 如果我们没有任何输入数据，但是想知道他在这家公司能拿到多少薪水，那么我们能做的最好的事情就是给他们所有员工薪水的平均值。...R2 score 给出的值介于 0 到 1 之间，可以针对任何上下文进行解释。它可以理解为是拟合度的好坏。 SSR 是回归线的误差平方和，SSM 是均线误差的平方和。我们将回归线与平均线进行比较。...R2的缺点： 随着输入特征数量的增加，R2会趋于相应的增加或者保持不变，但永远不会下降，即使输入特征对我们的模型不重要(例如，将面试当天的气温添加到我们的示例中，R2是不会下降的即使温度对输出不重要)。

    1.3K30

    回归问题的评价指标和重要知识点总结

    异常值是值与数据点的平均值范围不同的数据点。换句话说，这些点与数据不同或在第 3 标准之外。 线性回归模型试图找到一条可以减少残差的最佳拟合线。...除了MSE 和MAE外回归还有什么重要的指标吗？ 我们用一个回归问题来介绍这些指标，我们的其中输入是工作经验，输出是薪水。下图显示了为预测薪水而绘制的线性回归线。...4、R2 score: 如果我们没有任何输入数据，但是想知道他在这家公司能拿到多少薪水，那么我们能做的最好的事情就是给他们所有员工薪水的平均值。...R2 score 给出的值介于 0 到 1 之间，可以针对任何上下文进行解释。它可以理解为是拟合度的好坏。 SSR 是回归线的误差平方和，SSM 是均线误差的平方和。我们将回归线与平均线进行比较。...R2的缺点: 随着输入特征数量的增加，R2会趋于相应的增加或者保持不变，但永远不会下降，即使输入特征对我们的模型不重要(例如，将面试当天的气温添加到我们的示例中，R2是不会下降的即使温度对输出不重要)。

    1.6K10

    【从零开始学统计】2.可决系数真的决定一切么？

    前几天逛知乎的时候看到一个帖子，学计量的和学统计的在争论关于anova里的可决系数的问题。突然萌生了一个念头，想听听大家对这个R2是怎么理解的。...（说的更简单点，R2越大，自变量对因变量的解释程度越高,自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集）。既然是平方那么可决系数的取值范围在0到1之间，它是一个非负统计量。...当然还有其他情况，比如当回归直线是平行于x轴，并且与原始数据的散点图拟合度也非常高，但R2=0.说明一个低的R2数值，并不一定意味着回归模型缺乏可信度。...接受回归模型足够好的R2数值的决定因素主要取决于这个模型的应用目的以及经验和良好的管理知识。 在扩展一下，拟合优度检验和F检验有区别吗？...还是有区别的，拟合优度是指这个模型对于数据来说，解释变量能够解释被解释变量的程度，F说明的是整个模型中所有的解释变量的显著程度，和T值是对应的。 在问，那R2与R的关系呢？

    1.8K60

    一文了解卷积神经网络在股票中应用

    这在原则上是另一个超参数，应该在卷积网络建立之后进行调整，但就目前而言，我已经用一个30–分钟的窗口进入了过去。总而言之，模型的输入是30分钟时间窗口的高价格和低价格的图形。...此外，Caffe很容易支持l2回归其EUCLIDEAN_LOSS层。 重要的是要注意，与输入窗口的长度不同，损失函数的选择不是一个要调优的超参数。...我使用这10个组成部分以下列方式计算神经网络的输入:在每个30分钟的窗口内，我收集了标普500指数和十大成分中的每一个的平均价格（low price和high price的平均值）时间序列。...不幸的是，这导致性能相当差：样本R2 为 −0.06 ，略差于“总是猜测log返回将是平均值log返回（大约0）”的策略，这将达到（R2）的0。...尽管如此，这是一个很好的学习经验。 ▌9.下一步工作 还有待观察，l2回归是否是作为机器学习问题的这个金融问题的最佳方法。

    1.2K50

    【独家】考察数据科学家和分析师的41个统计学问题

    A）把值（0, 0）代入到回归直线方程中 B）代入回归拟合线上任意一点的值，计算b的值 C）使用方程中的x和y的平均值，和a一起计算得到b D）以上都不对 答案：（C） 使用普通最小二乘回归法的直线始终通过...如果我们知道线上的任意一个点和斜率的值，就可以很容易地找到截距。 33）当我们向线性回归模型引入更多的变量时会发生什么？ A）R2可能增加或保持不变，调整后的R2可能增加也可能减少。...只有当新的预测变量改进了模型且超过预期时，调整后的R2才会增加。当预测变量对模型的改进低于预期时，调整后的R2将减少。 34）在散点图中，回归线上面或下面的点到回归线的垂直距离称为____？...在多元回归的情况下，R2也可表示成解释方差之和与方差总和的比值。 36）显著性水平与置信度之间的关系是什么？...平均值（V）>中位数（V） A）正确 B）错误 答案：（B） 因为没有提到变量V的分布类型，我们不能肯定地说V是有偏的。 38）普通最小二乘法（OLS）线性回归方程得到的回归线试图____？

    1.7K100

    Current Biology：基于猴脑的神经电生理研究：神经回路抑制下的经济决策

    在这种情况下，编码的符号（回归斜率>0或<0）。每个线性回归也提供了一个R2。当一个反应被多个变量解释时，变量的最大R2被认为是最适合反应的变量。而没有解释反应的变量，作者将R2设置为0。 ?...给定36个有符号变量和3个时间窗，就有46656个可能的序列。 为了确定少数能最好地解释神经元群的序列，首先，对于每个神经元和每个序列，作者将“序列R2”定义为跨越时间窗口的和(R2)。...对于每个子集，作者通过将每个神经元分配到子集中的最佳序列，并将所有细胞的序列R2相加，从而计算出总R2，从而确定了提供最大R2的最佳子集。...对于每个时间窗口，ROC分析提供了曲线下的面积(AUC,area under the curve)，也称为选择概率。为了获得每个神经元的单个AUC，作者对offer类型的AUC取平均值。 ?...然而，这些分析仅用于识别与任务相关的细胞，采用了严格的标准（p<0.001）。因此，该方法是保守的。 简单的线性回归基于峰值个数在试次（神经反应）中取平均值（图S1），可以假设其近似正态分布。

    65310

    教程 | 如何为单变量模型选择最佳的回归函数

    选自FreeCodeCamp 作者：Björn Hartmann 机器之心编译 参与：李诗萌、刘晓坤 本文介绍了为单变量模型选择回归函数时需要参考的重要指标，有助于快速调整参数和评估回归模型的性能。...只要看 R²、SSE 等数据吗？ 可是由于模型不同，因此对模型的解释（平方、根等）也会不同，这不是个问题吗？ 问题的第二部分很容易回答。首先，找到最适合数据的模型，然后解释其结果。...与简单的 R2 相比，调整后的 R2 考虑了输入因素的数量。调整后的 R2 惩罚了很多输入因素，倾向于得到简洁的模型。...我想说明的是调整后的 R2 是用 SSE 计算的。所以 SSE 通常不会给出任何附加信息。 此外，调整后的 R2 进行了归一化，使得它总是在零到一之间。...知道模型偏差很有帮助，通常人们都不会想要上述的模式。 残差的平均值应该为零，而且还应该是均匀分布的。使用三次多项式函数对相同的数据集进行预测可以获得更好的拟合结果： ?

    1.3K90

    准确预测极端降水，哥伦比亚大学推出升级版神经网络 Org-NN

    为了评估神经网络的预测性能，科研人员选择了 R2，这是一种常用于量化回归模型性能的指标。计算公式如下： 传统模型 Baseline-NN 实验团队首先使用 Baseline-NN。...T2m：近地表 2m 空气湿度，surface temperature 图 1：PW bin 上粗粒度降水平均值 虚线：真实的降水平均值 橘线：预测的降水平均值 绿线：每个 PW bin 中计算出的...R2 阴影部分：每个分组内的方差 Baseline-NN 准确地恢复了降水平均值（即分组的平均值）在 PW 条件下的关键行为，以及在临界点附近出现的快速转变。...总云量在气候模型中为参数化变量，与降水无直接关系，所以将其作为神经网络的输入可能会提供有关凝结水的线索，而凝结水会直接用于降水的参数化。...图 5: Org-NN 预测结果图 D：PW bin 上粗粒度降水平均值 E：降水的概率密度函数示意图 F：图 D 中每个纬度和经度位置在时间步长上计算得出的 R2 值。

    38820

    6.数据分析(1) --描述性统计量和线性回归(2)

    ---- 1、线性回归简介 数据模型明确描述预测变量与响应变量之间的关系。线性回归拟合模型系数为线性的数据模型。最常见的线性回归类型是最小二乘拟合，它可用于拟合线和多项式以及其他线性模型。...简单线性回归使用以下关系方程： y=β0+β1x+ϵ 其中，β0是 y 轴截距，β1是斜率（即回归系数），ϵ 是误差项。...拟合模型的残差方差定义 R2： R2 = 1 – SSresid / SStotal SSresid 是与回归的残差的平方和。SStotal 是与因变量均值的差的平方和（总平方和）。...3.1 通过多项式拟合计算 R2 从多项式回归的系数得出 R2，以确定线性模型对 y 的方差的解释率， 利用 polyfit 计算从 x 预测 y 的线性回归： p = polyfit(x,y,1) p...yresid.^2); 通过将观测次数减 1 再乘以 y 的方差，计算 y 的总平方和： SStotal = (length(y)-1) * var(y); 计算三次拟合的简单 R2： rsq =

    65220

    【深度学习】回归模型相关重要知识点总结

    异常值是值与数据点的平均值范围不同的数据点。换句话说，这些点与数据不同或在第 3 标准之外。 线性回归模型试图找到一条可以减少残差的最佳拟合线。...指标四：R2 score 如果我们没有任何输入数据，但是想知道他在这家公司能拿到多少薪水，那么我们能做的最好的事情就是给他们所有员工薪水的平均值。...R2 score 给出的值介于 0 到 1 之间，可以针对任何上下文进行解释。它可以理解为是拟合度的好坏。 SSR 是回归线的误差平方和，SSM 是均线误差的平方和。我们将回归线与平均线进行比较。...如果 R2 得分为 0，则意味着我们的模型与平均线的结果是相同的，因此需要改进我们的模型。...R2的缺点： 随着输入特征数量的增加，R2会趋于相应的增加或者保持不变，但永远不会下降，即使输入特征对我们的模型不重要(例如，将面试当天的气温添加到我们的示例中，R2是不会下降的即使温度对输出不重要)。

    26610

    【深度学习】回归模型相关重要知识点总结

    异常值是值与数据点的平均值范围不同的数据点。换句话说，这些点与数据不同或在第 3 标准之外。 线性回归模型试图找到一条可以减少残差的最佳拟合线。...指标四：R2 score 如果我们没有任何输入数据，但是想知道他在这家公司能拿到多少薪水，那么我们能做的最好的事情就是给他们所有员工薪水的平均值。...R2 score 给出的值介于 0 到 1 之间，可以针对任何上下文进行解释。它可以理解为是拟合度的好坏。 SSR 是回归线的误差平方和，SSM 是均线误差的平方和。我们将回归线与平均线进行比较。...如果 R2 得分为 0，则意味着我们的模型与平均线的结果是相同的，因此需要改进我们的模型。...R2的缺点： 随着输入特征数量的增加，R2会趋于相应的增加或者保持不变，但永远不会下降，即使输入特征对我们的模型不重要(例如，将面试当天的气温添加到我们的示例中，R2是不会下降的即使温度对输出不重要)。

    47610

    STATA教程之一：自动化输出回归表格 Estout

    前言 STATA是回归分析的最常用的工具。当我们进行了大量的回归分析之后通常需要解决三个问题。怎样才能直观的展示需要关注的系数？如何才能方便的对比不同回归中的系数？...Estout 介绍 我们将首先介绍如何使用$Estout$输出最基本的回归表格，接着介绍如何把描述性数字以及回归中控制的变量类型加入到表格中，最后是如何生成pdf格式的表格。...加入描述性数据，以及控制变量类型 可以加入到回归表格中的描述性数据分为两类：回归本身返回的数据，例如R Square, 总观测值等；需要另外计算加入到回归表格中的数据，例如因变量的均值等。...例如，当我们希望在上述部分回归中控制车辆是否是外国品牌时，我们可以在回归表格中加入一行来显示每个回归是否控制了该变量。...我们希望能够将表格制作完全自动化，从进行回归分析，到将表格加入到文章中，不需要进行任何手动的复制粘贴。将这一过程自动化的目的，是在不断修改回归的过程中，减少人为出错的概率。

    12.4K41

    10种常见的回归算法总结和介绍

    线性回归是机器学习中最简单的算法，它可以通过不同的方式进行训练。...进行EDA将帮助我们熟悉数据和获得数据的信息，尤其是对回归模型影响最大的异常值。...对于线性回归而言，一般都会有以下的假设： 线性假设：线性回归假设输入和输出之间的关系是线性的。...=True) lin_reg.fit(X_train,y_train) 有了第一个模型，那么就要知道评价模型的指标，以下是回归问题的三个常见评估指标： 平均绝对误差 (MAE) 是误差绝对值的平均值...： 均方误差 (MSE) 是均方误差的平均值： 均方根误差 (RMSE) 是均方误差的平方根： 这三个指标中： MAE 是最容易理解的，因为它是平均误差。

    73020

    终于有人把准确率、精度、召回率、均方差和R²都讲明白了

    ，不是吗？...但是我们必须做数学运算才能知道预测的负样例吗？...02 使用均方差、可释方差和R平方评分回归 在涉及回归模型时上述评估指标就不再有效了。毕竟，我们现在预测的是连续输出值，而不是区分分类标签。...幸运的是，scikit-learn还提供了一些其他有用的评分函数： mean_squared_error：对于回归问题，最常用的误差评估指标是对训练集中每个数据点的预测值和真实目标值之间的平方误差（所有数据点的平均值...如果用数据的总方差对这个值进行归一化，我们就得到未知方差的分数（fraction of variance unexplained）： fvu = np.var(y_true - y_pred) / np.var

    1.3K30

    终于有人把准确率、精度、召回率、均方差和R²都讲明白了

    ，不是吗？...但是我们必须做数学运算才能知道预测的负样例吗？...02 使用均方差、可释方差和R平方评分回归 在涉及回归模型时上述评估指标就不再有效了。毕竟，我们现在预测的是连续输出值，而不是区分分类标签。...幸运的是，scikit-learn还提供了一些其他有用的评分函数： mean_squared_error：对于回归问题，最常用的误差评估指标是对训练集中每个数据点的预测值和真实目标值之间的平方误差（所有数据点的平均值...如果用数据的总方差对这个值进行归一化，我们就得到未知方差的分数（fraction of variance unexplained）： fvu = np.var(y_true - y_pred) / np.var

    3K40

    【机器学习笔记】：大话线性回归（二）

    还会有其它问题会影响模型效果吗？带着这些问题我们开始本篇的内容。 线性回归拟合优度 线性回归假设检验 线性回归诊断 ▌线性回归拟合优度 1....SST（总平方和）：变差总平方和 SSR（回归平方和）：由x与y之间的线性关系引起的y变化 SSE（残差平方和）：除x影响之外的其它因素引起的y变化 ? 它们之间的关系是： ? 。...还是用上篇的数据为例，利用R2来测试一下拟合的效果是怎么样的。...估计标准误差 判定系数R2的意义是由x引起的影响占总影响的比例来判断拟合程度的。当然，我们也可以从误差的角度去评估，也就是用残差SSE进行判断。...残差分析 还记得我们的模型是怎么来的吗？没错，线性回归模型是基于一些假设条件的：除了自变量和因变量有线性相关关系外，其它假设基本都是关于残差的，主要就是残差ϵ独立同分布，服从 ? 。

    1.9K60
    点击加载更多

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

      领券