回归标签_AI编程社区

回归

机器学习 | 3.2 对数几率回归

的值，其中，y为样本是正例的可能性，1-y为样本为负例的可能性，若在几率前面加对数取对数值，则为对数几率。，y为样本的真实值，只需要能够算出每个 xi 下，p的值，就可以得到l(w,b)。,在给定w,b和 xi 的情况下，最大化l(w,b)。梯度下降法、牛顿法，都可以得到最优解。

想环游世界的阿隆索吉哈诺
2026-05-19 16:11:42

 29

#机器学习 #回归 #人工智能
【机器学习】回归代码练习

人口收益06.110117.592015.52779.130228.518613.662037.003211.854045.85986.8233人口收益count97.00000097.000000mean8.1598005.839135std3.8698845.510262min5.026900-2.68070025%5.7077001.98690050%6.5894004.56230075%8

AI算法沐枫
2026-05-22 14:53:38

 38

#机器学习 #回归 #人工智能 +4
机器学习经典小项目4：泰坦尼克号生存预测

今天我准备学习泰坦尼克号生存预测小项目。我问腾讯元宝要代码来学习，不过，它给我的代码，每一个都运行失败，给了我4篇代码，4篇全是运行失败，timeout，应该是泰坦尼克号数据集下载不了吧。算了，看看能不能我自己去网上找一份泰坦尼克号数据集，或者自己手搓一份泰坦尼克号的数据集吧。

AI算法沐枫
2026-05-27 10:48:47

 438

 9

#机器学习 #人工智能 #深度学习 +4
从结构模仿到原理回归：深度学习与自由能原理的智能分水岭

人工智能正站在一个关键的十字路口。以大型语言模型（LLM）为代表的深度学习取得了令人瞩目的成就，但它对“智能”本质的逼近究竟走了多远？另一条路径——以Karl Friston的自由能原理和VERSES AI的AXIOM模型为代表——提出了一个根本性的追问：当前AI是否仅仅模仿了大脑的表象，却遗漏了驱动智能的元工作机制？

大囚长
2026-06-01 11:12:44

 709

 10

#回归 #深度学习 #数据挖掘 +1
深度学习基础 Week2 回归算法核心知识

本文系统梳理了机器学习中回归算法的核心知识体系，包括线性回归模型原理、模型评估与优化方法。重点讲解了均方误差损失函数、梯度下降优化算法及其三种变体实现，深入分析了过拟合问题的产生机制及L1/L2正则化解决方案，并阐述了冲激信号在系统建模中的基础作用。全文构建了从模型构建→参数优化→性能评估→正则化改进的完整学习闭环，揭示了回归算法中模型训练与泛化能力提升的内在逻辑关系，为机器学习实践提供了系统的理

 周天尧
2026-06-28 22:26:48

 250

 5

#深度学习 #回归 #人工智能
Week 4：深度学习

本周学习了深度学习、过拟合改进方法与卷积神经网络。具体了解了激活函数和优化器方面的演变与改进；了解了过拟合应对策略与正则化的必要性。本周学习使我对神经网络训练全流程建立了系统性认知。通过学习我发现各技术并非孤立技巧，而是针对特定问题提出的结构化解决方案。理解其设计动机与适用范围，是后续进行模型选型与调优的基础。

蟹子鹿
2026-06-28 21:00:00

 193

 3

#深度学习 #python #回归 +1
沐神-动手学深度学习课后习题3.4. softmax回归

这篇文章是《动手学深度学习》第 3.4 节，它将线性回归的概念扩展到了分类问题（Classification）。对于分类问题，我们不关心预测值和真实值之间的“距离”（平方误差），而关心预测概率分布与真实分布的匹配程度。它不仅保证了概率属性，还通过指数运算拉大了最大值与其他值之间的差距。C. 损失函数：交叉熵 (Cross-Entropy)

Three_ST
2026-07-06 10:41:01

 223

 4

#深度学习 #人工智能 #回归 +2
（论文速读）D-FINE：将DETRS中的回归任务重新定义为细粒度分布求精

D-FINE方法，通过重新定义DETR模型中的边界框回归任务，实现了高效精确的实时目标检测。该方法包含两大创新：1）细粒度分布精化(FDR)，将传统固定坐标预测转变为迭代优化概率分布，采用非均匀加权函数实现精准定位；2）全局最优定位自蒸馏(GO-LSD)，通过解耦加权策略实现跨层知识蒸馏。实验表明，D-FINE在COCO数据集上达到54.0%-59.3%的AP，超越现有实时检测器，同时计算量降低1

LJ1147517021
2026-07-15 12:12:30

 474

 12

#回归 #数据挖掘 #人工智能 +1
深度学习基础 Week5 分类算法基础知识

本文系统梳理了机器学习分类任务的核心概念。分类作为监督学习的重要分支，通过建立特征与离散标签的映射关系实现定性判断，包括二分类和多分类两种类型。重点探讨了概率生成模型的原理，其通过联合概率分布和贝叶斯定理实现分类，训练采用极大似然估计。文章对比了分类与回归的本质差异：分类输出离散类别（如垃圾邮件识别），回归预测连续数值（如房价）。最后总结了分类任务的理论基础，包括高斯分布、后验概率等核心概念，强调

 周天尧
2026-07-19 19:46:12

 181

 5

#深度学习 #回归 #人工智能
从双雄到三强：Kimi K3暂停注册、DeepSeek V4满血回归，AI正在改写全球游戏规则

从双雄到三强：Kimi K3暂停注册、DeepSeek V4满血回归，中国AI正在改写全球游戏规则如果AI行业有"地震周"这种东西，那刚刚过去的这一周绝对是9.0级。Kimi K3开源发布后72小时内，全球注册量飙升到服务器直接"扛不住"。Moonshot AI不得不在7月20日宣布暂停新用户注册，发公告说使用量"逼近现有算力容量极限"，新注册名额将分批开放。这在AI行业是从未有过的事——一个开源

 yyshj
2026-07-21 09:38:41

 252

 9

#人工智能 #回归 #数据挖掘
关于提升机器学习算法做预测回归任务精度的方法分享

本文分享了提升机器学习回归任务预测精度的方法，聚焦于数据层面的优化。作者指出，在小数据集（100-1000条）预测任务中，仅调整模型参数往往难以提升效果，关键在于数据信息量的扩充。核心方法包括：1）增加具有物理意义的复合特征；2）剔除噪声特征；3）对目标变量进行对数化等变换；4）数据聚类；5）明确数据局限性；6）清理异常值。其中，作者特别强调新增特征是最有效的手段，建议结合领域知识和AI建议构建派

 自学小白菜
2026-07-22 14:19:21

 221

 8

#机器学习 #算法 #回归
从双雄到三强：Kimi K3暂停注册、DeepSeek V4满血回归，中国AI正在改写全球游戏规则

Kimi K3在测试中发现，其推理能力（特别是长文本推理和代码生成）已经达到“工业级可用”水平，但若面向全球开放，可能引发与OpenAI的直接对抗——不如先在国内打磨场景，形成“AI+办公”、“AI+教育”的闭环。## DeepSeek V4满血回归：从“消失”到“王者归来”如果说Kimi K3的暂停是“以退为进”，那DeepSeek V4的回归就是“王者归来”。换句话说，DeepSeek用“更少

 魔力女仆
2026-07-23 15:26:14

 282

 4

#人工智能 #回归 #kotlin
基于KELM+SHAP可解释性分析的回归预测 (多输入单输出)Matlab代码

在机器学习回归预测任务中，模型的预测精度与可解释性往往存在权衡：传统线性模型（如线性回归）可解释性强但表达能力有限，而复杂非线性模型（如神经网络、核极限学习机）虽能拟合复杂数据分布，却因 “黑箱” 特性难以解释预测逻辑。在多输入单输出（MISO）场景中（如通过多个环境变量预测 PM2.5 浓度、通过多种工艺参数预测产品质量），理解各输入特征对输出的影响程度，对决策优化（如调整关键参数提升产品质量）

Matlab科研工作室
2026-07-24 17:45:05

 87

 1

#回归 #matlab #数据挖掘
回归代价：拆解大模型智能体中技能的增益与损害机制

摘要：本文研究了大模型智能体技能库的评估缺陷，指出仅依赖任务平均通过率会忽略技能带来的任务退化效应。通过5832组对照实验（2套办公基准、3套模型组合），将技能效果拆解为增益样本（无技能失败→有技能成功）和回归样本（无技能成功→有技能失败），发现回归会抵消59%的总增益。研究揭示了三种回归机制：技能描述渗透效应（未调用仍干扰行为）、输入定位偏移（技能覆盖正确输入逻辑）和校验抑制偏移（压制原生校验步

 weixin_44626085
2026-07-27 11:09:55

 694

 21

#回归 #数据挖掘 #人工智能
Claude 5 上下文怎么瘦身：先画冲突图，再做逐项删除回归

Anthropic披露精简Claude Code的system prompt时删除80%内容且无评测损失，但强调不应简单套用比例。关键在于三点：梳理上下文来源（如system prompt、Skills等），识别冲突规则，并通过回归测试验证删除安全性。建议建立上下文清单和冲突图，按风险分组删除并绑定回归样本测试。同时可将常驻说明改为按需加载，确保触发准确性。最终目标不是单纯减少token，而是消除

 147AI
2026-07-27 18:20:34

 258

 6

#回归 #数据挖掘 #人工智能
使用R语言glmnet包进行正则化lasso回归

原书(Introduction to Machine Learning with R)使用的是lasso2包的l1ce()函数，此包已弃用，改用glmnet包的cv.glmnet函数。

环能jvav大师
2024-02-14 22:03:28

 1617

 4

#r语言 #回归 #开发语言
假设检验,p-value,glm

Fisher指出显著性检验可能得出的三种结论：一. p-value很小（通常是小于0.01），他认为某种结果已经确实无疑地表现出来了，也就是说基本能够否定原假设了。二. p-value很大（通常大于0.2），他宣称即使这个结果真的存在，也会因为该结果发生的可能性太小，所以不可能有任何能够显示出这个结果的大规模实验。其大意就是因为p-value不显著，即使真实的情况是原假设是错误的，也会因为这种情况

 qq_41835091
2022-02-07 09:46:10

 1311

#概率论 #回归 #线性回归
MicrobiomeStatPlot | 稀疏偏最小二乘回归分析教程sPLS

稀疏偏最小二乘法简介最小二乘法，又称最小平方法，是一种数学优化建模方法。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便的求得未知的数据，并使得求得的数据与实际数据之间误差的平方和为最小。偏最小二乘（PLS）最大化潜在变量之间的协方差，而不是相关性，它能够同时对多个响应变量进行建模，并处理嘈杂的相关变量，但在对高维数据进行操作时，其可解释性受到影响。sPLS(稀疏偏最小二乘法

 刘永鑫Adam
2024-09-14 07:03:05

 2339

 22

#回归 #kotlin #数据挖掘 +2
【BKA-Transformer-LSTM多变量回归预测】BKA-Transformer-LSTM多变量回归预测，基于BKA-Transformer-LSTM多变量输入模型。matlab代码，2023

【BKA-Transformer-LSTM多变量回归预测】BKA-Transformer-LSTM多变量回归预测，基于BKA-Transformer-LSTM多变量输入模型。

关注：智能算法及其模型预测
2024-11-15 23:28:50

 881

 9

#transformer #lstm #回归
英国的 IT 技术出版社图书对应的免费代码 https://github.com/PacktPublishing

PacktPublishing 是英国的 IT 技术出版社，2004 年成立，专注“技术+实战”路线——书薄、案例多、更新快，平均每年上新 300 本，覆盖云计算、数据科学、安全、区块链、AI/ML 等前沿方向。主要仓库（AI、云原生、微服务等）会随框架大版本升级而更新分支，如 PyTorch-2.x、TensorFlow-3.x、.NET 8 等；把 https://github.com/Pac

zhangfeng1133
2026-01-16 14:45:41

 419

 10

#人工智能 #数据挖掘 #回归
GitLab CI/CD流水线智能回归触发机制

回归测试智能化转型面临资源浪费和响应滞后两大痛点。通过智能触发机制设计，结合变更感知系统和用例智能映射，实现测试精准触发。落地实践分为三阶段：规则引擎降低40%耗时、AI预测模型评估风险、自优化系统生成用例。实证显示，某电商平台实施后回归频率提升750%，缺陷逃逸率下降74.8%，资源消耗减少74.3%。智能化测试正重塑质量体系，推动测试效率大幅提升。

2501_94480392
2026-01-19 08:20:05

 284

 5

#gitlab #ci/cd #回归 +4
有图有真相 MATLAB 实现基于随机森林回归（Random Forest）进行时间序列预测（代码已调试成功，可一键运行，每一行都有详细注释）还请多多点一下关注加油谢谢你的鼓励是我前行的动力

本文介绍了一个基于MATLAB的随机森林回归时间序列预测系统。该系统包含完整的工作流程：从参数设置、数据生成/读取，到序列样本构造、随机森林训练（支持暂停/继续/绘图功能），再到模型评估和结果可视化。主要特点包括：提供参数弹窗界面，可灵活配置窗口长度、预测步长、训练集比例等参数支持模拟数据生成或从文件读取现有数据采用滑动窗口方法构造时间序列样本随机森林训练过程包含超参数搜索和早停机制提供

 xiaoxingkongyuxi
2026-02-28 12:00:00

 1450

 42

#matlab #随机森林 #回归 +4
dify 1.13.2 发布：关键回归修复、稳定性全面提升与完整升级实战指南

如果你使用了自定义必须确保包含以下队列工作流类应用无法正常执行Worker 进程无法消费对应任务代码地址：github.com/langgenius/difydify 1.13.2 并不是功能堆叠型版本，而是一个面向稳定性的关键修复版本，适合所有正在运行 dify 1.13.x 的用户。LLM 节点与插件调用全面恢复稳定知识检索节点不再因枚举问题失败Weaviate 向量数据库连接更可靠API 用

 福大大架构师每日一题
2026-03-21 01:00:00

 1364

 18

#回归 #数据挖掘 #人工智能
Agent Skill Eval：从触发信号到 A/B 基准，如何把 Skill 做成可回归工程单元

正在变成一种新的工程资产。它看起来只是一个带有触发描述的 Markdown 文件，实际承担的是把领域经验、操作流程、工具约束和团队偏好注入 Agent 执行链路的职责。真正的问题不在于“能不能写出一个 Skill”，而在于：这个 Skill 是否稳定改善了 Agent 的输出？它改善了什么，代价是什么，改善是否可复现？如果只能靠体感判断，一个 Skill 很容易停留在手工作坊阶段；如果能被测试、对

 无天法相
2026-06-29 16:52:50

 249

 6

#回归 #数据挖掘 #人工智能
Claude 蒸馏争议升级：Anthropic 指控阿里，模型输出边界被撕开

Anthropic 与阿里蒸馏争议，把模型输出能否用于训练推到台前。

u010592101
2026-06-29 11:01:38

 390

 4

#回归 #人工智能 #架构 +2
文明降级指南：回归纸笔躲避AI监控

摘要：AI测试工具虽提升效率，却引发测试者专业能力退化、误报率高、解释性差等问题。研究提出"文明降级"策略，倡导在关键环节回归纸笔工具：1)手绘思维导图激发非线性思考；2)构建无干扰的深度思辨环境；3)形成人机协作框架，将纸质成果反哺AI训练。该方案旨在重建测试者的认知优势，平衡效率与专业性，实现从"被监控者"到"技术架构师"的转变，最终

 霍格沃兹测试开发学社-小明
2026-03-31 11:37:44

 205

 5

#人工智能 #回归 #数据挖掘 +3
Cursor Bugbot自动修bug，颠覆代码审查体验

前几天刷推特，看到 Cursor 官方发了条推。Bugbot 现在能自动修 bug了。我当时就愣了——这不就是我们一直在等的那个功能吗？代码审查时发现问题，AI 不光能指出来，还能直接给你改好。说实话，作为一个天天跟 AI 编程工具打交道的开发者，我对这类“革命性功能”已经有点麻木了。但这次不一样。因为它解决的是一个真实存在的痛点。

模型启动机
2026-02-27 17:18:37

 420

 4

#bug #音视频 #人工智能 +2
【Transformer 从零到精通·第五篇】GPT 系列：自回归语言模型，从 GPT-1 到 ChatGPT 的进化之路

GPT 系列：自回归语言模型的进化之路本文深入解析 GPT 系列模型的核心技术：自回归语言模型：通过链式法则分解文本概率，逐个预测下一个词（PPL 评估指标）因果掩码机制：使用上三角矩阵屏蔽未来信息，确保模型仅依赖历史上下文架构进化：从 GPT-1 的 1.17 亿参数到 GPT-3 的 1750 亿参数，验证 Scaling Law 规律关键特性： In-Context Learnin

拾-光
2026-06-03 13:42:11

 222

 4

#transformer #回归 #人工智能 +3